一种面向无标注CTA扫描的鲁棒颅内动脉瘤分割方法

本发明提出了一种面向无标注CTA扫描的鲁棒颅内动脉瘤分割方法，该方法包括以下步骤：设计了一个包括伪监督学习、对比学习和置信学习三重学习框架，从具有不可靠标签的脑CTA扫描中学习稳健的颅内动脉瘤分割模型。大脑CTA扫描经过预处理以去除冗余信息，并生成初始输入的各种增强视图。将预处理后的CTA图像送入伪监督学习模块，采用一种增强的平均教师模型对标签不可靠的CTA扫描进行伪监督学习。在增强教师网络上附加了一个转换网络，用于体素级对比学习。本发明的方法和诊断系统提高颅内动脉瘤分割的准确性，可以有效的减少医生诊断的时间，提高效率。同时，降低因医生诊断水平不同或疲劳而造成的漏诊或误诊。