基于人在回路与视觉基础模型的少样本医学图像分割方法

本发明公开了一种基于人在回路与视觉基础模型的少样本医学图像分割方法，其特点是该方法首先对单个标注图像进行多样化的数据增强以构建丰富的支持集合；随后通过动态匹配算法为每一待分割图像自动选择最佳支持图像作为掩模提示，驱动视觉基础模型SAM2实现自动化的初步分割；然后利用专家交互反馈修正初始分割结果并生成掩模提示增强信号，再通过视觉基础模型的掩模提示机制，迭代优化整个序列的分割结果。本发明与现有技术相比具有充分利用专家知识，实现自动分割与专家修正的高效协同，显著提高了医学图像分割精度，有效克服了医学图像中目标区域模糊、边界不清等问题，大大提升了医学影像分析流程的自动化程度，具有良好的临床应用前景。