基于选择性在线自训练无源领域自适应医学图像分割方法

本发明公开了一种基于选择性在线自训练的无源领域自适应医学图像分割方法。技术方案是：构建由强增强模块、弱增强模块、学生模型图像分割模块、教师模型图像分割模块、熵引导的选择性更新模块、类先验引导的伪标签筛选模块、一致性损失函数计算模块组成的基于选择性在线自训练的无源领域自适应医学图像分割系统。构建训练集和验证集。采用源域模型和训练集对分割系统进行训练，得到训练后的分割系统。使用验证集对训练后的分割系统进行验证，当分割性能不再提升时得到性能最优异训练后的分割系统；采用性能最优异训练后的分割系统对图像进行分割，得到分割结果。本发明能缓解无源领域自适应中在线自训练的负优化问题，提升分割准确度。