【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种组织病理学图像的分割方法、装置、设备、介质及产品。
技术介绍
1、组织病理学图像是通过显微镜观察经过特殊处理的组织切片而获得的图像，用于研究细胞的微观结构、组织的构造以及可能存在的病理变化。在组织病理学图像分析中，精确的图像分割对于疾病的诊断、研究和治疗具有重要意义。这些图像通常包含复杂的细胞结构和多样的组织类型，使得自动分割成为一项挑战性任务。尽管深度学习方法，已经在图像分割方面取得了显著进展，但这些方法大多依赖大量精确标注的数据来训练模型，而在组织病理学领域，获取这样的数据既昂贵又耗时。
2、半监督分割方法是一种在医学图像处理、计算机视觉等领域广泛使用的机器学习技术，它旨在通过结合少量标注数据和大量未标注数据来训练模型，从而达到对图像进行精确分割的目的。这类方法特别适用于标注数据获取成本高昂或者难以获得大量标注样本的情况。半监督分割通过利用未标注数据中的潜在信息来增强模型的泛化能力，减少对大量手动标注数据的依赖。它通常包括自训练、生成对抗网络、图模型、对比学习等技术。对比学习方法通过比...
【技术保护点】
1.一种组织病理学图像的分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的组织病理学图像的分割方法，其特征在于，所述获取学生模型训练过程的监督损失、所述学生模型和教师模型共同训练过程的一致性损失、以及所述有标签样本的特征空间中的特征向量，包括：
3.根据权利要求2所述的组织病理学图像的分割方法，其特征在于，所述投影头包括第一线性层的多层感知器、第二线性层的多层感知器、所述第一线性层后的激活函数和批量归一化层。
4.根据权利要求1所述的组织病理学图像的分割方法，其特征在于，所述类间的不同特征表示包括与锚点类别相同的正样本和...
【技术特征摘要】
1.一种组织病理学图像的分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的组织病理学图像的分割方法，其特征在于，所述获取学生模型训练过程的监督损失、所述学生模型和教师模型共同训练过程的一致性损失、以及所述有标签样本的特征空间中的特征向量，包括：
3.根据权利要求2所述的组织病理学图像的分割方法，其特征在于，所述投影头包括第一线性层的多层感知器、第二线性层的多层感知器、所述第一线性层后的激活函数和批量归一化层。
4.根据权利要求1所述的组织病理学图像的分割方法，其特征在于，所述类间的不同特征表示包括与锚点类别相同的正样本和与锚点类别不相同的正样本，所述根据所述类间的不同特征表示计算对比损失，包括：
5.根据权利要求4所述的组织病理学图像的分割方法，其特征在于，所述对比损失的计算公式为...
【专利技术属性】
技术研发人员：曾新华，魏亚玲，蒋林华，龙伟，方润，廖乘胜，胡灵犀，
申请(专利权)人：复旦大学义乌研究院，
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。