基于自主数据集训练的nnUNet斑马鱼幼鱼全脑血管系统分割方法

本发明公开了一种基于自主数据集训练的nnUNet斑马鱼幼鱼全脑血管系统分割方法，涉及高分辨率成像技术、图像处理及医学图像分割技术领域，该方法充分利用斑马鱼活体透明性及荧光标记优势，获得高分辨率的全脑三维血管图像数据，并通过半自动分割与人工修正构建高质量的分割真值数据库，采用nnU‑Net深度学习模型进行训练，实现对斑马鱼脑血管系统信号的三维自动分割。本发明方法显著提升了图像分割的自动化程度与精度，有效解决了传统脑血管分割效率低、人工依赖度高、可重复性差等问题。该方法适用于大规模高通量数据处理，能够为斑马鱼脑血管发育机制及脑血管疾病模型研究提供高效、标准化的图像处理方案，具有广泛的应用前景。