基于半监督学习和细节特征增强的图像分割方法及系统

本发明提出基于半监督学习和细节增强的图像分割方法及系统，包括以下步骤：收集医学图像并将部分数据进行标注；构建医学图像分割模型；将标注的图像输入医学图像分割模型计算其交叉熵损失；对未标注图像施加弱扰动与强扰动；将弱扰动图像和强扰动图像输入医学图像分割模型，弱扰动图像经过编码器输出后对其添加特征扰动策略，利用无标注数据所得输出结果计算一致性损失；设置模型总损失包括交叉熵损失与一致性损失；对总损失进行优化以及反向梯度传播，更新模型网络参数；将目标图像输入医学图像分割模型，所述医学图像分割模型输出目标图像每个像素点所属类别。本发明可提高医学图像分割的效率，实现更高精度和鲁棒性。