【技术实现步骤摘要】
本专利技术属于计算机视觉及医学人工智能领域，涉及图像分割技术，具体为一种基于多层级特征引导的小样本医学图像分割方法。
技术介绍
1、医学图像分割是从医学图像中提取病灶、组织、器官或其他区域，在医疗保健和家庭护理领域的协作医疗技术应用中具有强大的潜力。然而，传统的医学图像分割方法严重依赖于注释数据，这需要像素级的精确注释。然而，由于注释所需的专业知识、医疗数据的有限可用性以及对患者隐私的担忧，准确的像素级注释数据的获取存在巨大的挑战。小样本学习(fsl)由于能够从相对较少的样本中获取图像类别信息，在该领域越来越受到关注。
2、小样本分割是指仅使用一个或几个具有像素级注释的支持集样本即可实现对未标记查询样本的像素级标签预测的任务。与协作技术相结合，小样本医学图像分割允许医疗专业人员协作、适应新病例，从而提高医疗保健和家庭护理服务的效率和有效性，并且即使在标记数据有限的情况下也能提供以患者为中心的护理。现有小样本医学图像分割方法通过将自监督方法和原型网络结合起来产生更好的分割结果。然而，此类方法往往严重依赖高级语义特征，从而丢失有...
【技术保护点】
1.一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，所述步骤1具体包括：
3.根据权利要求1或2所述的一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，步骤2具体包括：
4.根据权利要求3所述的一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，步骤3具体包括：
5.根据权利要求4所述的一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，步骤4具体包括：
【技术特征摘要】
1.一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多层级特征引导的小样本医学图像分割方法，其特征在于，所述步骤1具体包括：
3.根据权利要求1或2所述的一种基于多层级特征引导的小样本...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。