一种基于视觉基础模型的并行编码、变分融合与不确定性优化的医学图像分割方法及系统

本发明涉及医学图像分割领域，提出了一种基于视觉基础模型的并行编码、变分融合与不确定性优化的分割方法及系统，步骤1，以冠状动脉CT图像为研究对象，建立一个包含基于视觉基础模型ViT编码器和CNN编码器的并行编码架构，分别提取全局与局部特征；步骤2，引入跨分支变分融合模块，通过建模两类特征的潜在分布，并采用变分注意力机制实现自适应特征融合，生成高质量特征图；步骤3，在解码过程中，特征解码器的每一层输出均送入基于证据学习的不确定性优化模块，对不确定区域进行精细化处理。本发明充分发挥基于视觉基础模型的并行编码、变分融合与不确定性优化策略的优势，有效解决冠状动脉分割中结构复杂、对比度低等挑战，显著提升分割性能。