基于类激活图和任意分割模型的弱监督病理图像分割方法及系统

本发明公开了一种基于类激活图和任意分割模型的弱监督病理图像分割方法及系统，该方法包括：选取待处理的病理图像，用以神经组织切片作为负类的CAM生成器生成肿瘤组织的显著区域；定义并计算基本外观、空间分布和特征差异这三个先验知识来实现自适应点选择，从而提供更可靠的初始提示；将得到的初始提示输入到SAM中，得到最终的分割结果。本发明通过设计一种自适应点选择模块，有效地结合了CAM和SAM，能够在缺乏像素级监督的情况下，显著提高肿瘤组织的分割精度。实验表明，该方法在两个独立数据集上的肿瘤分割准确率提高了近25%，并且相比于现有的弱监督分割方法，提升了超过15%的性能。