摘要
本发明公开了一种基于原型和半监督深度学习的细胞核分割方法和系统,方法包括:将病理图像构建为有标签图像和无标签图像;构建基于半监督学习的深度学习细胞核分割网络,首先利用有标签图像仅对细胞核分割网络中的学生网络进行监督训练;利用无标签图像对细胞核分割网络中的教师网络和学生网络进行引入类别原型的学习和训练;利用训练后的学生网络进行待测病理图像细胞核分割。本发明能够利用基于原型的半监督学习的方法减少标注成本并实现高精度的细胞核分割,具有标注数据量少、自动化和成本低等特点,对基于病理图像的医学诊断具有重大意义。
技术关键词
细胞核分割方法
监督深度学习
原型
网络
学生
标签
教师
投影器
半监督训练
图像获取模块
像素
损失函数优化
图像分割
解码器
数据
半监督学习
图像块
投影特征
分割系统
系统为您推荐了相关专利信息
工业园区
推荐方法
深度神经网络模型
风险
标注技术
机器学习技术
个性化推荐引擎
特征选择算法
动态特征提取
学生