一种基于原型驱动渐进式模态补全的肿瘤图像分割方法及系统

本发明公开了一种基于原型驱动渐进式模态补全的肿瘤图像分割方法及系统，所属领域为肿瘤图像分割领域，包括：先利用可学习的模态原型实现缺失模态的特征重建，再通过双重门控融合机制进行跨模态特征的选择性增强。该方案能够在模态缺失条件下精准重构特征分布，保持各模态间的语义一致性，从而有效提升不完整多模态图像的分割精度与模型鲁棒性，显著改善现有技术中因模态缺失导致的性能衰退问题。