摘要
本发明涉及的是一种医学图像分割模型的自监督预训练方法，属于图像识别技术领域。本发明针对未标注的多模态三维医学图像，首先对多模态图像进行重叠区域采样并基于随机区域和模态丢弃进行增强，然后构建孪生深度学习神经网络，建立图像重建任务。在此基础上，进一步利用孪生网络进行体素级多尺度特征提取，并建立自蒸馏任务。最后结合图像重建任务和自蒸馏任务进行模型的自监督预训练，得到的预训练权重可用于下游图像分割任务上的迁移学习。本发明所训练的预训练模型，能够有效地从多模态三维图像中提取模态不变性特征和多尺度语义信息，有效为模型在下游任务的少量标注数据上的训练提供具有更强特征表达能力的初始参数，提高模型在下游数据集上的性能，并降低标注需求，提高训练效率。
