一种基于不确定性和难度加权损失函数的医学图像分割方法

一种基于不确定性和难度加权损失函数的医学图像分割方法，通过引入概率引导的不确定性权重PGU、区域增强的难度权重REH、残差驱动的难度权重RDH三种像素级权重，有效地识别目标边界区域中的难处理像素，这些权重由网络预测与手工标注之间的差异发展而来并被整合到现有的损失函数中，通过为每个像素设置独特的权重，提高神经网络对目标边界区域内难处理像素的敏感性，增强其学习的有效性，借助这种整合后的损失函数，确保神经网络在训练过程中能够更好地探测目标对象的特征信息，从而提高图像分割的准确性、鲁棒性,以及在处理形状、大小和复杂性各异的目标对象时的泛化能力。