摘要
本发明提供一种医学图像分割模型训练方法、系统和医学图像分割方法,其中训练方法包括预训练一个分割精度高的大模型作为第一教师网络,再搭建具有RGCN的语义分割学生网络,接着,搭建置信度判别网络,将第一教师网络输出的表示每个像素点的概率图输入到搭建的置信度判别网络中,并得到置信度图,最后将置信度图融合到学生网络的训练中。本发明采用带有置信度的知识蒸馏,将分割效果好但是分割速度慢的大模型的正确知识传输到分割速度较快的带有RGCN特征融合的小模型中,使小模型具备分割效率和精度。本发明能够避免传统知识蒸馏过程中教师网络对学生网络产生的负面影响,从而获得更好的知识蒸馏效果。
技术关键词
医学图像分割模型
网络
教师
学生
医学图像分割方法
蒸馏
组织
标签
像素点
序列
编码
模块
存储计算机程序
训练系统
矩阵
元素
系统为您推荐了相关专利信息
指令优化
强化学习网络
矩阵
压缩单元
神经网络训练
地面站
移动性管理
任务调度
深度强化学习
管理中心
医学图像配准方法
图像块
样本
计算机设备
无监督