基于活动轮廓优化的小样本医学图像分割模型OA

目前已有小样本分割方法在医学图像上存在分割目标在支撑集与查询集中的形态、结构等信息不统一问题,导致模型对于查询集的泛化性降低。此外,这些方法未考虑器官边界分布的空间特性,导致分割结果可能出现空洞。针对上述问题,提出了一种基于轮廓迭代优化的医学图像小样本分割模型Medical-Snake。该模型通过计算查询集和支撑集特征之间的相似性生成关系掩码,降低了分割目标在查询集上的泛化损失;再通过活动轮廓优化模块,实现了器官轮廓的逐步调整并最终收敛于目标的真实边界,提高了分割的准确率。在ABD-30数据集上的实验结果表明,与现有的医学图像小样本学习方法进行相比,Medical-Snake分割结果的准确率更高,平均分割准确率达到85.27%。