基于双扰动一致性学习的半监督医学图像分割方法

本发明涉及一种基于双扰动一致性学习的半监督医学图像分割方法，属于图像分割领域。所述方法，基于弱到强一致性学习，包含两个模块：置信度指导的自适应扰动（简称CAP）模块和混合特征扰动（简称MFP）模块。具体而言，CAP模块根据输入图像的难度和模型的学习进度，自适应地应用图像级扰动。MFP模块在特征金字塔的多个层次上应用特征级扰动，并通过弱视图和强视图的特征混合，促进学习过程变得更加简便和高效。