一种基于双视图互补一致性的半监督医学图像分割方法

本发明涉及一种基于双视图互补一致性的半监督医学图像分割方法，仅利用少量有标注医学图像数据，来挖掘大量无标注数据中的潜在特征信息来提升分割模型性能，包括以下步骤：采用特征空间蒸馏机制，通过教师‑学生模型提取和转移多尺度语义特征；利用双视图融合策略优化伪标签，优化模型对未标记数据的学习效果；通过预训练自编码器辅助的不确定性估计方法，优化模型的可靠性和分割精度。本发明在左心房(LA)和肝脏肿瘤分割(LiTS)数据集上的实验结果显示，该方法在分割精度和模型鲁棒性方面取得了不错的效果。