一种基于提示词引导的高阶超轻量级Vision Mamba神经网络医学图像分割方法

本发明涉及医学图像分割技术和计算机辅助诊断的交叉领域，具体为一种基于提示词引导的高阶超轻量级Vision Mamba神经网络医学图像分割方法。本发明提出了一种新型的以prompt引导的vision mamba架构用于2D医学图像分割。它配备了prompt‑Guided机制的高阶SS2D模块可以在减少冗余信息引入的同时有效的学习图像不同方向的长程依赖并且不会丢失原始图像的局部细节信息。在瓶颈层，本发明引入了Kan模型来进一步提升模型在深层特征图的映射能力。本发明设计了多个即插即用的模块并且与sota模型相比，本发明提出的PGH‑VMUnet在以极少参数的情况下，显著提高了相同数据集的性能。