一种基于区域-边界互学习扩散模型的医学图像分割方法

本发明公开了一种基于区域‑边界互学习扩散模型的医学图像分割方法，包括：1、构建网络模型RBML‑Diff并初始化超参数；2、预处理无标注医学图像、标注医学图像和标注医学图像真值；3、在网络模型正向扩散过程中，对标注医学图像真值加噪，得到噪声掩码图；4、将噪声掩码图和无标注医学图像输入条件编码器，输出特征图；5、区域感知模块中层内特征交互模块和层间特征协同模块对条件编码器输出的特征图进行区域感知和特征细化；6、用拉普拉斯算子提取无标注医学图像的边界，重复通过区域‑边界互学习模块和上采样操作，得到预测结果；7、对预测结果逐步反向扩散去噪，得到分割掩码图。本发明有效解决了医学图像分割中的大尺度变化和边界模糊性问题。