融合SAM全局建模与U-Net局部优化的医学图像分割方法

本发明提供了一种融合SAM全局建模与U‑Net局部优化的医学图像分割方法，属于图像分割的医学图像分割技术领域。解决了传统方法在分割过程中无法同时兼顾全局语义特征与局部细节特征而导致分割精度不足及边缘细节丢失的技术问题。其技术方案为：包括以下步骤：步骤一，对医学图像进行预处理；步骤二，构建融合视觉Transformer和卷积网络的分割模型；步骤三，使用带有二元交叉熵损失函数的监督学习方法对分割模型进行训练；步骤四，将待分割图像输入训练好的模型，生成医学图像的分割结果。本发明的有益效果为：通过结合SAM的全局建模能力和U‑Net的局部优化能力，有效提升医学图像分割的准确性与鲁棒性。