一种基于联邦元学习的异构图像分割方法、系统及存储介质

本发明公开了一种基于联邦元学习的异构图像分割方法、系统及存储介质，所述方法包括：获取原始高分辨率医疗图像，对原始高分辨率医疗图像进行预处理，得到特征图；对特征图进行损失计算和区域映射处理，得到高分辨率候选区域；对高分辨率候选区域进行高分辨率图像分割处理以及模型训练处理，得到全局模型参数梯度；根据全局模型参数梯度进行加权平均处理和模型更新处理，得到图像分割模型；获取当前高分辨率医疗图像，将当前高分辨率医疗图像输入至图像分割模型，输出医疗图像分割结果。本发明能够在数据分散、隐私保护严格的多机构环境以及标注数据稀缺的情况下迅速适应新任务，有效提高了医疗图像分割结果输出的效率以及准确性。