摘要
本发明涉及一种基于不确定性和注意力机制的半监督医学图像分割方法,其将医学图像输入训练好的分割模型实现图像分割,所述分割模型包括编码器和三个注意力增强的UNet解码器;所述分割模型的训练过程包括以下步骤:获取有标签和无标签的医学图像数据,经过弱增强操作和强增强操作分别得到对应的弱增强视图和强增强视图;将弱增强视图和强增强视图输入分割模型,在解码器低分辨率处、在边界区域进行增强特征后在解码器全分辨率处、通过CutMix策略得到新的增强样本后在低分辨率处和全分辨率处分别计算监督损失和交叉伪监督损失;总和上述步骤的所有损失作为每次迭代的训练目标。与现有技术相比,本发明具有增强边界特征提取、提高分割准确率等优点。
技术关键词
医学图像分割方法
无标签数据
注意力机制
预测类别
图像块
解码器
分支
分辨率
医学图像数据
医学图像分割模型
样本
网络
策略
编码器
像素
系统为您推荐了相关专利信息
门控循环网络
序列推荐
矩阵
模块
Softmax函数
溯源数据库
光学字符识别
红外扫描仪
检测挥发性有机物
文本
多模态网络
表型特征
卷积神经网络模型
葡萄
遥感图像数据