基于深度学习的医疗影像数据处理方法及系统

本发明公开了基于深度学习的医疗影像数据处理方法及系统，涉及影像数据处理技术领域，针对域差异和数据稀缺问题，结合域自适应训练、伪标签生成、动态权重优化及多模态验证技术，首先利用U‑Net与域对抗网络，通过梯度反转层训练，生成具备跨域泛化能力的初始模型；然后基于初始模型与弹性变换增强数据，设计解剖先验约束计算一致性损失，生成高质量伪标签；再结合标注数据与伪标签，设计联合损失并动态调整权重，迭代优化模型并更新伪标签；最后通过多模态验证集评估性能，若不足则使用迁移学习微调，生成支持多模态分割的最终模型，该方案可以降低标注依赖，提升跨域鲁棒性和多模态适应性，具备更好的稳定性和可靠性。