基于双分支证据融合和图卷积神经网络的医学图像分割后处理方法及系统

一种基于双分支证据融合和图卷积神经网络的医学图像分割后处理方法，在预训练好的基础模型MedSAM的基础上，通过Dropout操作重构两个相互独立的输出分支，分别获取双分支的像素分类证据并进行融合，得到融合后的不确定性；以工作区域ROI内的像素点为节点，根据其融合后的不确定性进行标记，低不确定性的节点标签为基础模型的原分割结果，高不确定度的节点没有标签，通过图连接构建加权的半标记图；用加权半标记图中有标签的节点输出计算包含交叉熵损失和Dice损失的联合优化损失，训练图卷积神经网络并对未标记的点进行分类，融合不确定性低的节点标签，得到最终的分割结果。本发明提升了原分割结果中不确定高的区域的分割精度。