基于全局-局部信息融合LPV-Net和3D-EDA的心脏图像半监督分割方法

一种基于全局‑局部信息融合LPV‑Net和3D‑EDA的心脏图像半监督分割方法，涉及医学图像分割技术领域，结合了全局‑局部信息融合LPV‑Net分支和3D‑EDA分支。该框架利用了两种不同的注意力机制来捕获医学图像中的不同依赖关系，以提高模型性能。采用了3D‑EDA的判别器模型，利用对抗学习的思想来增强模型的性能，特别是对无标签数据的处理。整体损失函数由监督损失和无监督损失组成，通过反向传播和优化器进行训练，以逐步调整模型参数以最小化总损失,具有良好的性能，能够实现对左心房的精准分割。提高了心脏图像分割的精准性以及高效性。