一种基于MedSAM的弱监督三维医学图像分割方法

本发明公开了一种基于MedSAM的弱监督医学图像分割方法，意在解决传统医学图像分割依赖大量标注数据、训练耗时费力的问题，提高在标注成本受限条件下的分割性能。它利用深度学习模型特征提取能力，经骨干网络生成类别激活图初步定位目标区域。提出了CSD双向常识防御模块与AMS类激活图叠加模块，前者结合全局信息提升模型鲁棒性，后者确定目标最大范围保障分割效果。结合动态阈值分割策略及MedSAM模型增强热力图，整合语义特征避免依赖原型学习，实现弱监督高精度分割。实验显示其在多数据集性能优于现有方法，应用前景广泛，可用于多种医学影像任务及其他标注成本高需高效分割的领域。