一种基于噪声鲁棒学习的尘肺X射线鉴别系统

本发明公开了一种用基于噪声鲁棒学习的尘肺X射线鉴别系统，包括样本划分模块和半监督对比分类模块。在样本划分中提出了一种噪声滤波器，可以可靠地区分信息量大的困难样本与有害噪声样本，完成样本划分；在半监督对比分类中，利用所有样本进行训练，对无标签样本实施一致性正则化，并采用对比学习作为补充，通过无监督特征学习挖掘隐藏在噪声样本中的有用信息，进一步抑制噪声样本的干扰。本发明通过整合噪声滤波和半监督对比学习技术，有效提高了噪声标签数据环境下的尘肺病鉴别准确性和鲁棒性，减轻了模型对有噪声样本的过度拟合，同时还降低了对专业医生依赖度，有助于提高尘肺筛查的效率和可靠性。