一种基于频域增强的小样本医学图像分割方法

本发明属于医学图像智能分析与计算机视觉领域，针对小样本医学图像分割中存在的样本稀缺、背景复杂及跨域泛化能力不足等问题，提出一种基于频域增强的小样本医学图像分割方法FENet（Frequency Enhancement Network）。第一，引入轻量化频域特征增强模块FFE（Frequency Feature Enhancement）；利用二维快速傅里叶变换提取全局结构信息，抑制噪声并强化前景特征。第二，设计频域空间域特征融合注意力模块FSA（Frequency‑Space Attention），通过通道注意力自适应融合空间与频域特征，生成判别性多尺度特征表示；第三，引入基于先验掩码的空间对比损失，在支持样本与查询样本间构建跨域特征一致性约束，增强前景语义表达抑制背景干扰；综合Dice损失、交叉熵损失与空间对比损失进行联合优化，输出最终高精度医学图像分割结果。