基于数据增强和聚焦线性注意力的半监督医学图像分割方法

本发明公开了一种基于数据增强和聚焦线性注意力的半监督医学图像分割方法，包括：1对包含标记数据集和无标记数据集的医学图像数据集进行数据增强；2构建基于改进的Swin Transformer网络的学生模型和教师模型；3将增强标记数据集与强增强无标签数据集分别划分成图像补丁后，输入学生模型进行处理，将弱增强无标签数据集划分图像补丁后，输入教师模型进行处理；4对增强标记数据集的预测结果作监督约束，并对强增强无标记数据集与弱增强无标记数据集的预测结果作一致性约束，得到更新的学生模型；5根据更新的学生模型完成对测试医学图像的分割预测。本发明能在医学图像分割掩码缺失的场景下，提高医学图像分割性能。