摘要
本发明涉及图像分割技术领域,尤其涉及一种用于结直肠癌图像分割方法、系统及介质。该方法包括以下步骤:获取结直肠癌图像标注数据和未标注数据;初始化学生‑教师网络架构,得到学生网络模型和教师模型;用标注数据对学生网络进行监督学习,得到初步优化学生网络模型;将未标注数据输入初步优化学生网络,生成预测数据,并与未标注数据进行伪标签计算,得到伪标签数据;结合伪标签数据优化学生网络,得到次级优化学生网络模型;利用次级优化学生网络更新教师模型,并用标注数据进一步优化教师模型,得到结直肠癌图像分割模型。本发明利用有限的标注数据,结合大量未标注数据,实现高精度、鲁棒性强的结直肠癌图像分割模型。
技术关键词
直肠癌
学生
图像分割模型
教师
标签
多尺度
图像分割方法
网络架构
CT影像数据
图像数据采集模块
多层次特征提取
边界特征
图像分割系统
医学影像数据
图像分割技术
可读存储介质
系统为您推荐了相关专利信息
深度学习网络模型
数据
打标签
训练集
随机梯度下降
场景匹配方法
语义标签
图像特征向量
游戏场景
元素
知识图谱构建方法
学科知识图谱
教学
融合知识图谱
生态