一种基于领域自适应的腋路神经超声图像语义分割方法

本发明公开了一种基于领域自适应的腋路神经超声图像语义分割方法，包括以下：S1：采集腋路神经超声图像，对部分腋路神经超声图像进行标注，接着对所有图像进行预处理，并以此构建数据集；S2：构建语义分割模型并初步监督微调，基于已有的标注数据，获得初步优化的语义分割模型；S3：对S2中获得初步优化的语义分割模型进行聚类原型的自训练；S4：构建领域分类器，进行类别区分；S5：根据编码器的输出引入扰动特征张量，构建一致性损失函数。本发明通过充分挖掘无标注超声图像数据的隐藏信息，减少了对大规模标注数据的依赖。通过自适应聚类生成的伪标签，模型能够自动学习分割特征，显著降低了人工标注的成本，提高了训练效率。