摘要
本发明公开一种基于教师学生模型的一致性半监督左心房分割方法,构建教师学生模型,其中教师图像分割网络和学生图像分割网络均包括1个编码器和3个解码器,编码器的输入形成教师图像分割网络或学生图像分割网络的输入,3个解码器的输出形成教师图像分割网络或学生图像分割网络的3个输出;编码器与每个解码器均形成U‑Net结构的子分割网络,不同子分割网络的特征传输通道所添加的对抗性扰动的强度不同。本发明利用少量有标记数据及大量无标记数据进行有效分割的策略,通过对抗性扰动和教师学生图像分割网络的互一致性学习,能够在减少标注需求的同时,提高分割准确性,从而有效提高了半监督医学图像分割任务的性能,大大降低了训练成本。
技术关键词
图像分割网络
采样模块
解码器
教师
学生
编码器
金字塔池化模块
对抗性
左心房
分割方法
上采样
样本
通道
医学图像分割
标记
数据
参数
双线性插值
系统为您推荐了相关专利信息
个性化学习路径
学生
机器人系统
多模态交互
项目
语音情感识别方法
语音情感识别模型
编码特征
关键绩效指标
序列