基于傅里叶增强的半监督支气管分割方法及其系统技术方案

本发明专利技术涉及支气管分割技术领域，特别涉及基于傅里叶增强的半监督支气管分割方法及其系统；本发明专利技术先将有标签的数据分为训练集和验证集，并训练出最优的初始模型；用初始模型对经过弱数据增强处理的无标签数据进行预测，将预测结果作为伪标签构成新的数据集；再将训练集与含伪标签的数据集融合成新的训练集，在新的训练集内，采用傅里叶变换的数据增强方式，进而训练出最优的模型；用最优的模型对未知的测试数据进行预测，得到最终的预测分割结果；本发明专利技术利用半监督学习方法及基于傅里叶变换的数据增强方式，从扩充数据集的角度和改进数据增强的角度提高现有模型的泛化性能，从而进一步改善分割结果。一步改善分割结果。一步改善分割结果。

【技术实现步骤摘要】
基于傅里叶增强的半监督支气管分割方法及其系统


[0001]本专利技术涉及支气管分割
，特别涉及基于傅里叶增强的半监督支气管分割方法及其系统。

技术介绍

[0002]在临床诊断中，支气管分割尤其是远端细支气管的分割具有重要意义，现有的支气管分割方法可以分为传统方法和基于深度学习的方法。
[0003]在2009年的一次支气管分割挑战赛EXACT中，主办方对参与比赛的15种算法进行了比较，其中大部分算法采用如区域生长、模板匹配、梯度矢量流等传统方法，虽然这些算法可以很好地分割出例如气管、主支气管等厚管状结构，然而由于存在缺乏语义特征，且远端气道壁模糊等问题，限制了他们对远端细支气管的分割。
[0004]由于训练深度学习模型使用的数据量较少时，模型性能难以达到理想的状态，而目前可用于支气管分割的含标签数据严重稀缺。

技术实现思路

[0005]本专利技术主要解决的技术问题是提供基于傅里叶增强的半监督支气管分割方法，其利用半监督学习方法及基于傅里叶变换的数据增强方式，从扩充数据集的角度和改进数据增强的角度提高现有模型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于傅里叶增强的半监督支气管分割方法，其特征在于，包括：步骤S1、将有标签的数据分为训练集和验证集，并训练出最优的初始模型；步骤S2、用初始模型对经过弱数据增强处理的无标签数据进行预测，将预测结果作为伪标签构成新的数据集；步骤S3、将训练集与含伪标签的数据集融合成新的训练集，在新的训练集内，采用傅里叶变换的数据增强方式，进而训练出最优的模型；步骤S4、用最优的模型对未知的测试数据进行预测，得到最终的预测分割结果。2.根据权利要求1所述的基于傅里叶增强的半监督支气管分割方法，其特征在于，在步骤S3内，将含伪标签的数据集的输入数据剪裁成相同形状的数据块，使用快速傅里叶变换在频域上混合修改振幅信息后，恢复回时域的数据与经过弱数据增强处理的无标签数据进行一致性正则化。3.根据权利要求2所述的基于傅里叶增强的半监督支气管分割方法，其特征在于，通过快速傅里叶变换获得原始数据的相位和振幅，然后保留相位不变，将振幅与其他数据的振幅进行混合，最后将原始的相位与混合后的振幅结合并进行快速傅里叶逆变换，则得到进行强数据增强后的扩展数据。4.根据权利要求3所述的基于傅里叶增强的半监督支气管分割方法，其特征在于，原始数据为含伪标签的数据集剪裁之后成相同形状的数据块。5.基于傅里叶增强的半...

【专利技术属性】
技术研发人员：袁韵怡，王琼，钱银玲，廖祥云，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：