一种基于半监督学习与知识蒸馏的多阶段损失优化OCTA图像分类方法

本发明公开了一种基于半监督学习与知识蒸馏的多阶段损失优化光学相干断层扫描血管造影(OCTA)图像诊断方法。方法包括以下步骤：(1)结合半监督学习构建教师‑学生模型框架；(2)数据集处理：随机移除训练集部分样本标签，作为无标签数据；(3)利用有标签数据训练教师模型，随后通过教师模型生成无标签数据的伪标签，仅保留满足置信度阈值的高质量伪标签；(4)用多阶段损失函数训练学生模型，包括有标签数据的监督损失、伪标签数据的监督损失及知识蒸馏损失。本发明通过半监督学习减少对标注数据的依赖，利用知识蒸馏提升轻量化学生模型性能，适用于临床资源有限的场景。