一种基于SAM辅助嵌套UNet模型在超声心动图像中的分割方法

本发明一种基于SAM辅助嵌套UNet模型在超声心动图像中的分割方法，涉及一种医用图像处理方法。该方法构建DA‑UNet模型；将SimAM和CBAM注意力机制融合，引入任务令牌(TaskToken)，集成SAM辅助分割网络。设计损失函数融合策略；结合Dice损失、二元交叉熵损失(BCELoss)和SAM损失，采用加权求和方式优化模型分割性能，确保综合损失函数同时提升精度与稳定性。本发明克服了传统UNet在特征表达、全局上下文捕捉、过拟合防控、多尺度特征融合等方面的局限，显著提升了医学图像分割的准确性和鲁棒性，而且为超声心动图中左心室的分割任务提供了一种高效且可靠的解决方案。