一种基于超像素对比学习策略的医学图像分割方法

本发明公开一种基于超像素对比学习策略的医学图像分割方法，属于自监督预训练方法领域。本发明利用超像素分割图作为伪标签指导图像内局部对比样本对的生成，通过平均超像素特征图生成和连接组件标签生成，获得监督图像级对比损失函数，从而避免现有技术需要大量的梯度实验和手动设置阈值来构建图像级正负样本对的弊端。与现有技术仅提取图像级全局特征或逐像素对应的像素级特征相比，本发明使模型关注到图像内部相似像素组的相关性，从而减少像素级假负样本对的生成；利用图像的结构先验知识和图像像素的相关性引入生成策略对模型进行预训练，使得在下游限制监督条件下微调的医学分割模型能够精确地定位分割出医学器官或者病灶的具体位置。