一种融合血管引导和自适应变形注意的增强型Swin-Unet肝脏肿瘤分割方法与系统

本发明公开一种融合血管引导和自适应变形注意的增强型Swin‑Unet肝脏肿瘤分割方法。通过弹性B样条配准联合仿射变换，补偿非线性形变，降低多模态影像空间对齐误差，减少肿瘤边界模糊与特征错位。结合血管重建模块提取拓扑特征，有效引导模型注意力。编码器采用卷积池和可变形注意SADR下采样，跳跃连接集成轻量级可变形注意模块，实现有效多尺度特征融合与空间对齐，增强模型感知力。图论模型嵌入肝叶分区与血管曲率约束，确保分割结果与血管供血拓扑严格匹配。为解决类不平衡问题，提出FA损失函数并结合结构校正算法(SGDR)，有效减少不完全分割和假阳性伪影。在LiTS数据集上的实验验证表明，本方法在肝脏和肿瘤分割上均优于现有方法，Dice系数分别达到93.38％和91.39％。