一种基于多模型协同与主动学习的医学图像分割方法及装置

本发明涉及医学图像分割与诊断技术领域，具体涉及一种基于多模型协同与主动学习的医学图像分割方法及装置，该方法首先基于OFA(One ForALL)多模态模型与BiomedBERT语言模型协同构建医学文本‑视觉联合prompt；接着通过GLIP模型融合多模态输入生成目标定位框；之后基于MedSAM架构实现目标框引导的医学图像分割，生成初始伪掩码；最后采用伪标签面积采样策略进行质量筛选，联合真实标注与优化后的伪标签集进行分割模型迭代训练，该流程通过跨模态表征对齐、目标区域定位、精细化分割及动态标签优化四个阶段的协同作用，实现少样本条件下的高效医学图像分割。