一种基于共识集成和对比学习的半监督医学图像分割方法

本发明涉及医学图像处理技术领域，具体为一种基于共识集成和对比学习的半监督医学图像分割方法，包括：获取并处理心脏的二维MRI图像数据；以U‑Net模型为基础架构，利用模型的多样性搭建深度学习网络；采用基于投票机制的共识策略融合多个预测结果，为半监督方法提供更可靠的伪标签；引入基于高置信度的像素级对比学习模块，在半监督学习框架下，使用一致性损失、半监督损失以及分割损失的加权和指导模型训练；使用训练集MRI数据训练分割模型；使用训练好的模型分割测试集MRI数据，得到分割图像。通过共识集成和对比学习，实现了在半监督方法下的医学图像分割，解决了因医学标注数据稀缺导致的分割效果不佳的问题。