买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东师范大学

摘要：本发明公开了一种面向交互式医学影像分割的SAM大模型提示分割方法，是一种强化学习下利用序列提示策略优化的自适应交互分割及提前停止机制（AIES），以增强交互式医学影像分割的准确性和效率；其方法包括：数据预处理模块将原始医学影像数据切割为同尺寸并进行数据增强，确保影像数据质量和可用性；序列提示优化模块利用深度强化学习算法，根据医学专家在分割过程中提供的交互反馈，自动调整提示序列；能够根据历史交互数据智能地优化提示策略，以提升分割模型的性能和准确性；提前停止策略模块，通过评估交互过程中的改善幅度，智能判断最优的停止时机，以平衡分割准确性与交互成本。本发明在关键医疗图像的识别和分割任务上，突显了显著技术效果。

主权项：1.一种面向交互式医学影像分割的SAM大模型提示分割方法，其特征在于，该方法包括以下具体步骤：步骤1：首先，从Brats数据库中提取医学影像，使用数据预处理模块对其进行预处理操作；预处理包括裁剪影像以去除多余背景、标准化处理、模糊处理、添加噪声、仿射变换和对影像的强度进行重新缩放，得到预处理影像Irescale，将作为下一步调整提示序列模块的输入数据；步骤2：利用强化学习算法生成初始提示序列，并根据医生的反馈自动优化所述提示序列；强化学习生成提示的初始概率为：其中，πa|s是在每一状态s下采取动作a的概率，Qs,a是状态-动作值函数；根据反馈调整提示序列：其中，α是强化学习学习率，r是反馈奖励，γ是折扣因子；s′,a′表示下一时刻到达的状态和动作，至此得到了调整后的提示序列，优化后的提示序列将生成用于影像分割的具体提示，并作为智能交互停止模块的输入数据；步骤3：采用智能交互停止模块，当检测到分割精度达到预设标准且进一步交互对精度提升不明显时，会自动判断并停止交互，此时得到分割结果R；分割精度通过Dice系数得到：来评估分割精度，R是分割结果，H是真实标注；当ΔDdice∈时停止交互，∈是预设的精度阈值；步骤4：最终，通过迭代学习和医生的实时指导，在每次交互后更新权重，模型权重更新公式为：其中，λ是模型参数，η是学习率，Lλ是损失函数；逐步提高分割结果的精确度，直至达到临床要求标准，输出最后的图像分割结果。

全文数据：

权利要求：

百度查询： 华东师范大学 一种面向交互式医学影像分割的SAM大模型提示分割方法