基于误差感知自适应损失的医学图像分割方法及系统

本发明公开了基于误差感知自适应损失的医学图像分割方法及系统，该方法首先获取多模态医学图像并进行预处理。其次加载预训练SAM网络模型权重并微调，对预处理后的多模态医学图像进行特征提取。然后引入结构一致性增强机制，对提取的特征进行优化：提出冗余感知单元对特征图进行区域级重叠感知划分，通过空间覆盖尺度与推进粒度的调节。最后结合误差感知机制对图像特征学习过程中的错误类型进行动态加权，依据图像特征在训练过程中的假阳性与假阴性分布，调整损失函数权重。本发明不仅显著提升了对图像特征中微小病灶边界的连续性建模能力，还通过动态调节误差权重有效抑制假阴性区域的漏检问题。