一种基于PET/CT动态跨模态融合的分层半监督肿瘤分割系统

本发明公开了一种基于PET/CT动态跨模态融合的分层半监督肿瘤分割系统，提出一种多模态融合半监督分割框架，该框架可以通过利用未标记的多模态数据进行一致性学习来实现精准的医学图像分割。具体来说，通过设计CMAF‑Net充分融合多模态特征信息，利用MUP‑SSL方法实现多尺度金字塔深度监督‑不确定性感知的半监督分割。本发明在多个数据集上进行了大量实验，结果表明，本发明提出的方法(仅使用小部分标记数据)的性能接近甚至有时优于具有100％标记数据的完全监督方法，并且本发明提出的方法普遍优于最先进的单模态半监督解决方案。此外，本发明的方法通用型强，可广泛应用于其他分割任务。