一种基于图神经网络的多尺度心脏图像分割方法及系统

本发明涉及医学图像分割技术领域，具体涉及一种基于图神经网络的多尺度心脏图像分割方法及系统，具体如下：基于体内临床环境收集心脏CT和MRI数据并划分为训练集和测试集；以nnUNetv2为基本框架构建多尺度心脏图像分割模型，模型包括五个编码器层和五个解码器层，将训练集输入至构建的模型，得到模型预测的分割结果；设计自适应损失函数，通过动态调整自适应损失函数中不同损失函数的权重来优化多尺度心脏图像分割模型的性能，并引入锐度感知最小化优化器构造不确定性训练机制来提高多尺度心脏图像分割模型泛化性能；将测试集中的数据输入优化后的多尺度心脏图像分割模型，得到最终预测的分割结果。本发明通过可以提升心脏CT和MRI图像的分割精度与鲁棒性。