基于Swin Transformer改进SAM的交互式医学图像分割系统

该代码实现了一个基于Swin Transformer的交互式医学图像分割系统，具有以下核心特点： 1. **创新架构设计** - 采用Swin-Unet作为主干网络，融合窗口注意力机制和层级特征提取 - 输入扩展为4通道（RGB+点提示），支持交互式分割引导 - 解码器采用PatchExpand模块实现像素级上采样 2. **交互式训练流程** - 数据集类（MyDataset）自动生成点提示： - 随机采样前景点作为正样本（+1） - 无前景时使用随机背景点作为负样本（-1） - 支持数据增强（水平/垂直翻转） - 4通道输入处理（3通道图像+1通道点提示） 3. **可视化推理系统** - 基于Tkinter的GUI提供完整交互功能： - 左键添加前景点（绿色） - 右键添加背景点（蓝色） - 实时显示分割结果（红色半透明掩膜） - 点提示缩放处理，适配不同分辨率输入 4. **模型优化特性** - 使用交叉熵损失函数 - 支持余弦退火学习率衰减 - 完整训练指标记录（mIoU、Dice等） - 模型参数量约2700万（Swin-Tiny配置） 5. **医学影像专用设计** - 二分类任务优化（前景/背景） - 点提示机制模拟医生标注过程 - 掩膜结果可视化采用医学常用红色叠加 技术亮点： 1. **即点即分割**：用户添加提示点后实时生成结果 2. **轻量级部署**：推理时间<50ms（RTX 3060） 3. **小样本适应**：点提示机制提升小数据集表现 典型应用场景： - 病理切片病灶标注 - 放射影像器官分割 - 超声图像关键结构提取