【技术实现步骤摘要】
本专利技术涉及心脑图像分割,尤其涉及基于动态原型学习的半监督心脑图像分割方法及系统。
技术介绍
1、在医学影像领域,图像分割技术在心脑疾病的诊断、治疗计划和效果评估中起着至关重要的作用。图像分割的目标是从复杂的医学图像中准确提取出目标区域(如心脏、脑部等),以便医生能够更清晰地分析病变部位并做出决策。
2、在传统监督学习中,模型依赖于大量的标注数据来进行训练,但标注数据的获取通常昂贵且费时,尤其是在医学图像领域,专业医生的标注工作量巨大,因此,标注数据的获取成本非常高。而无监督学习虽然能够使用大量的未标注数据进行训练,但其效果常常受到数据噪声和缺乏明确标注的影响,难以保证高精度。半监督学习正是为了弥补这种矛盾而提出的,它通过结合少量的标注数据与大量的未标注数据,来提高学习模型的性能。在医学图像分割任务中,半监督学习能够有效利用未标注数据的潜力,减少人工标注的工作量,同时提升模型的泛化能力和鲁棒性。这使得半监督学习在心脑图像分割中成为一个重要的研究方向,尤其在数据标注成本高且获取困难的情况下,具有较大的应用价值。
...
【技术保护点】
1.基于动态原型学习的半监督心脑图像分割方法,其特征在于,包括:
2.如权利要求1所述的基于动态原型学习的半监督心脑图像分割方法,其特征在于,所述教师网络的训练方法为:首先在所述标注图像中随机选择两组图像,在两组图像上分别随机选取两处区域,将选取的区域裁剪下来并粘贴到对方图像的相应位置处,生成两组第一混合图像;然后将生成的第一混合图像输入至第一U-Net网络中进行训练,训练后的第一U-Net网络即为教师网络。
3.如权利要求1所述的基于动态原型学习的半监督心脑图像分割方法,其特征在于,所述学生网络的训练方法为:首先随机选择标注图像和无标注图像,
...【技术特征摘要】
1.基于动态原型学习的半监督心脑图像分割方法,其特征在于,包括:
2.如权利要求1所述的基于动态原型学习的半监督心脑图像分割方法,其特征在于,所述教师网络的训练方法为:首先在所述标注图像中随机选择两组图像,在两组图像上分别随机选取两处区域,将选取的区域裁剪下来并粘贴到对方图像的相应位置处,生成两组第一混合图像;然后将生成的第一混合图像输入至第一u-net网络中进行训练,训练后的第一u-net网络即为教师网络。
3.如权利要求1所述的基于动态原型学习的半监督心脑图像分割方法,其特征在于,所述学生网络的训练方法为:首先随机选择标注图像和无标注图像,在标注图像和无标注图像上分别随机选取裁剪区域,将裁剪区域裁剪下来并粘贴到对方图像的相应位置处,生成第二混合图像;然后将生成的第二混合图像输入至第二u-net网络中进行训练,训练后的第二u-net网络即为学生网络。
4.如权利要求1所述的基于动态原型学习的半监督心脑图像分割方法,其特征在于,将所述伪标签与标注图像的真实标签进行混合,生成混合标签,并用于监督所述学生网络,具体为:获取教师网络输出的伪标签和标注图像中的真实标签,在真实标签和伪标签上分别随机确定裁剪区域,将裁剪区域裁剪下来并粘贴到对方图像的相应位置处,得到混合标签。
5.如权利要求1所述的基于动态原型学习的半监督心脑图像分割方法,其特征在于,所述根据中...
【专利技术属性】
技术研发人员:张彩明,李振宇,张安新,房乐鑫,李雪梅,
申请(专利权)人:山东大学,
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。