원래 이름 기록: 东南大学附属中大医院

本发明涉及图像分割技术领域，具体为一种基于深度学习的肛肠病灶自动分割方法，获取肛肠图像像素图，提取对比度与方向偏移标记候选病灶点，筛选重叠标记生成病灶激活标注图，建立响应图谱生成边界响应分布图，训练网络输出分类图，提取截断路径完成图像分割。本发明，通过提取局部灰度共生矩阵对比度值与梯度幅值，实现病灶区域在复杂背景下的空间差异性精确捕捉，通过构建响应图谱与方向一致性比对机制，结合方向梯度直方图与结构张量等多维特征，提升区域判别能力与边缘分类精度，借助各向异性标准差判断纹理稳定性并设定模糊边缘掩码，结合主方向向量夹角偏移趋势对截断路径进行筛选，确保边界收敛位置的连续性与稳定性。

本发明公开了一种面向多场景的智能安全管理的多模型博弈方法，包括：获取多域原始数据并生成信息结构特征；基于该特征将异质指标统一映射为信息亏损分量，并结合序贯统计与滞回判决进行博弈模板的稳定路由；对路由后输出的统一语义状态，进行面向博弈支付的决策敏感子空间压缩；采用动态风险‑to‑go（动态风险剩余量）的时间差分方法，生成满足总量守恒的步级风险信号并注入压缩空间；通过在线估算最佳响应算子雅可比矩阵的谱半径，生成均衡脆弱性指数，实现对均衡点的稳定性治理与闭环调整。本发明可以提升智能系统在动态对抗环境下的决策自适应性、稳定性和鲁棒性。