一种基于协同原型与解码器边界增强的半监督医学图像分割方法

本发明公开一种基于协同原型与解码器边界增强的半监督医学图像分割方法。该方法构建两个结构相同但参数不共享的学生分割网络，利用少量有标注医学图像和大量无标注医学图像进行协同训练。对于输入图像，两个学生分支分别输出分割概率图、高层编码语义特征和高分辨率解码特征；在高层编码语义特征上，通过跨分支预测一致性和置信度筛选可靠像素，构建并动量更新跨分支共享类别原型，以抑制伪标签噪声和类别语义中心漂移；在高分辨率解码特征上，根据真实标签或可靠伪标签构建软边界图，并通过边界感知解码器特征对比和切向‑法向几何约束提高边界类别可分性与轮廓连续性。训练完成后，对待分割医学图像进行双分支平均预测并输出最终分割结果。本发明能够在有限标注条件下提高医学图像分割的区域准确性、边界清晰度和模型泛化能力。