基于对比学习的半监督粗到细多模态脑肿瘤图像分割方法

本发明属于图像处理技术领域，具体涉及一种基于对比学习的半监督粗到细多模态脑肿瘤图像分割方法。将图像输入预设的基于对比学习的半监督粗分割网络模型中进行对比学习分割，得到全肿瘤分割掩膜；基于全肿瘤分割掩膜的引导，裁剪四种模态图像的背景图像，得到仅保留肿瘤区域的四种模态图像数据；四种模态图像数据输入到预设的交叉半监督精细分割网络模型中，通过交叉伪监督操作，得到包含肿瘤核心、增强肿瘤及整体肿瘤的精细分割结果，采用初始粗分割网络来绘制FLAIR图像中的肿瘤区域。这些粗分割结果生成肿瘤掩膜，随后应用于其他模态。通过半监督学习策略在多模态MR图像中精炼分割，通过全局到局部的精炼过程逐步提高分割精度。