一种基于深度学习的纵隔医学影像分割方法及系统

本发明公开了一种基于深度学习的纵隔医学影像分割方法，包括：收集不同类型医学影像的自定义数据集，并进行数据清理、预处理和标注，得到样本数据集；其中，不同类型医学影像包括生殖细胞瘤、淋巴结瘤、神经瘤、畸胎瘤、胸腺瘤病人的三维CT影像；样本数据集包括对三维CT影像切割生成的2D切片和对应的掩膜文件；将样本数据集按照8:1:1的比例划分为训练集、验证集和测试集；将训练集批次输入到预训练MedSAM模型中，通过前向计算得到训练样本中体素的预测分割结果；基于预测分割结果和掩膜文件对应的先验标签，确定目标损失，并反向更新预训练MedSAM模型的参数直至收敛，得到医学影像语义分割模型；利用验证集和测试集评估医学影像语义分割模型的性能。