一种基于特征解耦与多层注意力融合的缺失模态脑肿瘤分割方法

本发明涉及一种基于特征解耦与多层注意力融合的缺失模态脑肿瘤分割方法，属于医学图像处理技术领域。针对多模态MRI数据因设备故障或扫描限制导致模态缺失、传统方法处理不当导致特征冗余及分割性能骤降问题，提出：1)多尺度特征解耦模块，通过频域滤波与分层注意力机制分离高频局部细节、中频区域结构及低频全局轮廓；2)动态权重分配与多层注意力模块，基于像素级Softmax加权和跨模态迭代交互实现缺失补偿；3)U‑Net解码器结合随机模态屏蔽训练策略。该方法有效提升模态缺失场景下的分割精度和鲁棒性，避免传统补全方法引入噪声，保障临床诊断的实时性和准确性。