南京邮电大学学报(自然科学版)

作者：胡晓飞,吴佳芸,邹贵春,武灵芝

单位：南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 化学与生命科学学院，江苏 南京 210023南京邮电大学 化学与生命科学学院，江苏 南京 210023南京邮电大学 理学院，江苏 南京 210023

关键词：深度学习；医学图像分割；多尺度特征融合；对比学习；小样本学习

基金：国家自然科学基金（61771251）和江苏省高校实验室研究课题（GS2022YB36）资助项目

针对医学图像标注数据稀缺以及模型在分割多尺度目标时效果不佳的问题，提出一种基于多尺度特征融合和对比学习的小样本医学图像分割方法。首先，提出一种顺序拼接的多尺度跳跃连接方法替代传统的跳跃连接，有效地融合编码器中不同尺度的特征图并传递给相应的解码器。其次，鉴于模型的双分支结构，提出一种基于多尺度特征的对比学习模块，设计对比学习损失函数，提高模型对像素级特征的可分辨能力。实验结果表明，所提方法实现了医学图像的跨域数据分割，解决了因数据集稀缺造成的分割效果差的问题，提高模型对不同尺度目标的分割准确率和泛化能力，优于当今主流的小样本医学图像分割方法。

来源：2025年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第05期