一种医学影像分割的自训练学习方法、系统及电子设备

本申请提出了一种医学影像分割的自训练学习方法、系统及电子设备，涉及图像处理技术领域。该方法包括：首先，获取包括良性病灶分割训练数据和恶性病灶分割训练数据的原始训练、以及测试数据集。然后，将训练数据集均分，与测试数据集结合进行迭代训练，形成多组数据集。接着，利用各组数据集执行训练流程：初期以良性数据为主，逐步增加恶性病灶分割训练数据比例，训练至收敛得第一分割模型。用此模型预测测试集，得病灶预测图像。通过比较预测与标注图像，生成漏检与误检区域的伪标签图像。将这些伪标签图像加入训练集，再次训练第一分割模型直至收敛。该技术方案能够提高医学影像分割模型分割精度和泛化能力。