【技术实现步骤摘要】
本专利技术涉及医学图像分割，它涉及一种基于渐进原型校准和噪声抑制的弱监督医学图像分割算法。
技术介绍
1、医学图像分割是电脑辅助诊断的一项基本任务，旨在描绘出关键的解剖或病理区域，以便医师进行分析。
2、近年来，随着深度学习的迅速发展，各种医学图像分割方法被提出，显示出卓越的表现。这些方法侧重于设计先进的网络架构或合并拓扑先验，通常依赖于全监督学习，并极大地受益于具有高质量注释的大规模注释数据集。然而，密集的注释收集和注释大型数据集是非常昂贵和耗时的，特别是对于医学图像，因为它们的注释需要专业知识和临床经验。
3、弱监督分割方法已经成为一种有前途的解决方案，它利用点、涂鸦、块等稀疏标注来训练分割模型，有效地缓解了标注成本与模型性能之间的内在冲突。这里我们主要关注利用稀疏标签的方法。现有的方法主要分为伪建议方法、一致性学习方法和辅助任务方法：
4、伪建议方法利用先验知识、语义亲和力或模型预测来扩展和生成稀疏注释的伪标签。它们通常涉及多个阶段的训练，并容易受到噪音累积的影响。
5、一致性学习方...
【技术保护点】
1.一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：包括如下步骤：
2.根据权利要求1所述一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：步骤S1中的具体步骤如下：
3.根据权利要求2所述一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：步骤S13中低维特征的权重函数采用高斯核函数针对图片像素强度和空间几何信息进行设计，公式如下：，
4.根据权利要求3所述一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：步骤2中的具体步骤如下：
5.根据权利要求4所述一种基于渐进原型校准和噪声...
【技术特征摘要】
1.一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：包括如下步骤：
2.根据权利要求1所述一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：步骤s1中的具体步骤如下：
3.根据权利要求2所述一种基于渐进原型校准和噪声抑制的弱监督分割方法，其特征在于：步骤s13中低维特征的权重函数采用高斯核函数针对图片像素强度和空间几何信息进行设计，公式如下：，
4.根据权利要求3所述一种基于渐进原型校准和噪声抑制的弱监督分割...
【专利技术属性】
技术研发人员：唐晓颖，刘翼翔，
申请(专利权)人：南方科技大学嘉兴研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。