基于深度学习和条件扩散模型的重叠宫颈细胞质区域分割方法

本发明公开了一种基于深度学习和条件扩散模型的重叠宫颈细胞质区域分割方法，涉及医学图像的人工智能分析技术领域。本方法通过形态学先验引导的条件扩散过程，实现对宫颈细胞图像中重叠细胞质区域的精确分割。本发明包括以下步骤：构建多尺度宫颈细胞质掩码对图像；设计细胞质特异性数据增强与预处理流程；搭建多分支宫颈细胞形态学感知条件扩散网络；利用自适应多尺度组合损失函数优化训练；采用层级化分类器自由引导采样进行推理。本发明融合频域与空间域特征，建立细胞形态学与统计学先验知识库，采用未重叠部分生成完整细胞质的策略，成功解决了传统方法在复杂背景和重叠区域的分割困难，为宫颈癌早期筛查提供了可靠的技术支持。