基于Beta分布和专家标注融合的医学图像分割扩散方法及系统

本发明提出了一种基于Beta分布和专家标注融合的医学图像分割扩散方法及系统。本发明首先获取包含分割标注的医学图像数据集，并进行预处理，提升模型对边界区域的表达能力；然后将预处理后的数据集融合专家掩码，计算平均概率并结合信息熵动态调整，生成融合概率标签；其次构建条件扩散模型，拼接图像与标签输入，并结合Beta分布建模执行训练优化；最后根据条件扩散模型进行推理预测，从高斯噪声出发多次采样，生成结构合理、表达不确定性的分割预测结果。本发明能够充分整合多位医生的标注意见，动态调整边界区域的融合权重，提高训练标签的临床可信度，更好地覆盖真实医学图像中边界多解性与专家差异性。