基于鲁棒序列提示优化的交互式医学图像分割方法及系统

本发明公开了基于鲁棒序列提示优化的交互式医学图像分割方法及系统，属于医学图像分割与人工智能交互技术领域，针对现有技术对提示选择敏感和专家标注不确定性适应性差的问题，将分割交互过程建模为马尔科夫决策过程，通过双分支提示融合策略网络分析当前图像、历史掩码及提示序列以选择最优提示动作；引入一种鲁棒奖励函数，该函数融合基于金标准标注的确定性奖励和基于PCA边界扰动技术生成的不确定性奖励，通过在主成分空间注入各向异性噪声模拟专家标注差异，从而训练模型在标注不确定环境下保持稳定性能。本发明显著提升了医学图像分割的精度、鲁棒性和交互效率，具备优异的零样本泛化能力，可广泛应用于多模态医学影像的辅助诊断与分割任务。