基于多任务深度学习的胸膜下肺部病变超声图像分析方法

本发明公开了一种基于多任务深度学习的胸膜下肺部病变超声图像分析方法，包括：获取待分析的胸膜下肺部超声图像数据并将其输入至基于无标签数据自监督对比学习预训练的多任务深度学习模型中；利用模型中的分割分支对超声图像进行分割，得到病灶分割掩模，分割分支采用带有跳跃连接的U‑Net架构且在编码器与解码器之间设有残差语义模块；利用分类分支提取标准化数据对应的全局上下文特征，从U‑Net编码器的不同层级以及残差语义模块的输出端跨分支提取多尺度卷积特征；对多尺度卷积与全局上下文特征进行融合和分类预测，输出对应的分析结果。本发明实现了病灶分割与良恶性分类的协同学习，提升了复杂超声场景下图像分析的鲁棒性和跨中心泛化能力。