一种基于CT图像的胰腺肿瘤自动分割方法

本发明公开了一种基于CT图像的胰腺肿瘤自动分割方法，该方法协同集成了允许扩展和领域无关的深度神经网络模型Segment Anything Model(SAM)和在特定领域的数据集上训练的，可以自动配置网络以适应特定的分割挑战的深度神经网络模型3D nnU‑Net形成最终的3D nnSAM神经网络分割模型。该模型以3D nnU‑Net作为主干网络，其编码器由两个并行编码器组成：3D nnU‑Net编码器和3D SAM编码器。3D SAM编码器用作即插即用插件，其参数在训练期间被冻结，将两个编码器的embedding级联，随后馈送到3D nnU‑Net的解码器以输出最终的分割图。本发明利用SAM的强大的特征提取及泛化功能，同时利用3D nnU‑Net的自动配置功能来适应特定的分割挑战，它允许少量学习的同时，实现更准确和鲁棒的医学图像分割效果。