基于自监督掩码与深度强化学习的自适应掩码医学图像分割方法

本发明公开了一种基于自监督掩码与深度强化学习的自适应掩码医学图像分割方法，本方法的自监督掩码重建网络采用经典的编码器‑解码器架构，并融合Swin Transformer编码器，通过自注意力机制对局部图像块进行特征融合；本发明的自适应掩码模型采用PPO深度强化学习算法，通过构建策略网络和价值网络，动态调控掩码动作，逐步降低重建误差并在多次策略更新中不断优化掩码策略进行自适应优化，实现对受缺失信息影响的医学影像进行高质量重建；本发明能在无标注数据环境下获得高质量的特征表示，在公开的数据集上呈现了较高的精度与准确度。