摘要
本发明公开了一种基于多尺度特征的无监督域适应医学图像分割方法及装置,涉及计算机技术领域,方法包括:构建基于双重注意力的多尺度特征融合分割网络;将所述多尺度特征融合分割网络作为生成器,构建第一判别器和第二判别器;基于所述生成器、第一判别器和第二判别器进行训练,获得训练好的多尺度特征融合分割网络;使用训练好的多尺度特征融合分割网络对待处理医学图像进行分割。本发明引入多尺度特征考虑不同层次的特征表示,并通过对抗性特征对齐方法,通过对抗性学习实现源域和目标域特征的对齐,从而提升分割模型在目标域上的性能和泛化能力;且本发明无需使用目标域标签,能很好的缓解医学图像分割任务的无监督域适应问题。
技术关键词
医学图像分割方法
多尺度特征融合
压缩特征
语义特征
残差模块
通道
sigmoid函数
池化特征
注意力机制
网络
像素
样本
融合特征
对抗性
系统为您推荐了相关专利信息
测试案例生成方法
格式模板
模型预测值
资产
金字塔模型
生成对抗网络
雪花噪声
残差模块
图像处理
噪声预测
关系抽取模型
BiLSTM模型
关系抽取方法
多模态
文本
高层语义特征
视觉特征
灰度特征
识别方法
特征辨识度