一种基于证据学习的多视图医学图像分割方法

本发明涉及一种基于证据学习的多视图医学图像分割方法，包括：对医学图像进行多视图特征提取，获取可泛化特征和特定领域特征；基于可泛化特征和特定领域特征，提取任务相关知识；通过特定领域解码器对任务相关知识进行解码，获取每个像素属于不同类别的证据；基于证据对变分狄利克雷分布进行参数化，通过优化变分狄利克雷分布的参数，获取最终的分割结果。本发明能够结合传统模型和视觉基础模型的优势，从多视图特征中提取特定领域和可泛化的知识。此外，引入变分狄利克雷分布来表征结果概率的分布，并用收集到的证据进行参数化以量化不确定性。因此，本发明能够通过优化狄利克雷分布的参数来减少边界的分割不确定性，从而进一步提升分割性能。