一种基于因果干预的弱监督医学图像分割方法及系统

本发明公开了一种基于因果干预的弱监督医学图像分割方法及系统，在对原始图像样本进行预处理后，构建因果干预模块，设计因果特征损失、混杂特征损失和干预损失；并通过平均池化分别得到因果类别分数，混杂类别分数，分别作为因果损失和混杂损失的输入；因果特征与随机变换的混杂特征结合得到混杂分数，作为干预损失的输入；搭建了改进的弱监督医学图像分割模型，能够更有效地定位目标区域，在有混杂因素的干扰下，依然能得到拟合较好的弱监督脑瘤图像分割模型，提高脑部图像伪分割掩码的准确性，改善脑部图像的诊断效果。