基于大模型和协同一致训练的甲状腺结节分割方法技术

本发明专利技术公开了一种基于大模型和协同一致训练的甲状腺结节分割方法，涉及超声图像分析技术领域，将大模型的通用推理能力有机嵌入半监督模型中，互补半监督模型和大模型的优势，利用大模型的通用预测能力缓解半监督模型不足的知识迁移能力，同时利用半监督模型的特征协同一致性缓解大模型的高置信度错误预测，提高模型的实际预测性能；通过半监督框架下的大模型微调操作，能够基于无监督图像和有监督图像同步对大模型进行微调，同时基于协同损失和高质量伪标签，加速了模型的微调收敛速度和准确性；并通过协同一致性训练操作，有机互补了半监督模型和SAM模型的优势，并提出了基于自可靠性和协同可靠性的高质量伪标签生成方案和协同损失。

【技术实现步骤摘要】

本专利技术涉及超声图像分析，特别是涉及一种基于大模型和协同一致训练的甲状腺结节分割方法。

技术介绍

1、随着现代生活方式的变化，当代年轻人的心理和生理压力不断上升，甲状腺相关疾病的临床检出率也随之提高。其中，甲状腺结节的出现率更是高居不下，不少结节的恶性概率也有着增加的风险。在临床实践中，结节的空间定位不仅是基础诊断的重要环节，同时也直接关系到后续的风险评估和治疗策略的制定。

2、从传统影像学检测手段上，医生通常会根据自身的临床经验结合病人的相关病史对超声图像上的结节区域进行勾画，这一过程高度依赖人工判断，主观性较强。近年来，随着计算机视觉和深度学习技术的广泛应用，利用ai模型辅助甲状腺结节的自动定位的相关研究取得了显著的研究成果，这些方法有望提高定位的效率，降低人为误差并推动超声辅助诊断的标准化发展。

3、不过，高性能模型的构建依赖于大量准确标注的数据，而现实中具有病理金标准的图像样本占比极低，造成模型训练面临数据瓶颈。此外，全面标注所有图像的工作量庞大，实施成本高，难以推广。

4、如何使用大量的未标注数据是提高甲状腺本文档来自技高网...

【技术保护点】

1.一种基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤S1中，将有标注数据集按7：1：2的比例划分为训练集、验证集以及测试集。

3.根据权利要求1所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤S3和步骤S4中，强变换包括色调调整、风格调整以及随意掩码；弱变换包括一系列仿射变换。

4.根据权利要求3所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤S3中，无标注图像的伪标签不直接作为无标注图...

【技术特征摘要】

1.一种基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤s1中，将有标注数据集按7：1：2的比例划分为训练集、验证集以及测试集。

3.根据权利要求1所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤s3和步骤s4中，强变换包括色调调整、风格调整以及随意掩码；弱变换包括一系列仿射变换。

4.根据权利要求3所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤s3中，无标注图像的伪标签不直接作为无标注图像的监督信息，而是在步骤s5中进行后续处理，步骤s3的具体过程如下式所示：

5.根据权利要求3所述的基于大模型和协同一致训练的甲状腺结节分割方法，其特征在于：所述步骤s4中，基于mean-teacher框架同时使用无标注数据和有标注数据同步对sam模型进行调整，在调整时冻结sam...

【专利技术属性】
技术研发人员：韩淞宇，胡敬良，牟立超，侯雨，陈咏虹，
申请(专利权)人：脉得智能科技无锡有限公司，
类型：发明
国别省市：