基于渐进式伪标签优化的医学图像细胞分割方法

本发明针对现有弱监督方法中因不可靠伪标签学习导致的学习偏差问题和固定形态伪标签无法提供可靠细胞形态特征的局限性，提出了基于渐进式伪标签优化的医学图像细胞分割方法。具体步骤如下：1)利用弱监督点标注信息，通过聚类算法和超像素分割算法生成两种具有互补性的初始伪标签，分别指导双分支网络的训练过程；2)利用动态阈值与分水岭算法实现伪标签中细胞区域的生长与边界划分，使伪标签渐进式接近细胞的真实形态；3)设计了一种双向交叉监督机制，通过两个分支网络的高置信度预测结果实现知识迁移与协同优化；4)设计不确定性估计与困难样本关注损失函数，增强网络对低对比度、边界模糊等困难样本的特征学习能力，有效提升了弱监督细胞分割的精度。