基于交叉伪监督网络的半监督分割模型及微动脉瘤分割方法

本发明涉及图像处理技术领域，具体公开了基于交叉伪监督网络的半监督分割模型及微动脉瘤分割方法，包括：交叉伪监督网络：采用两个基于PFFNet架构的分割网络，输入数据分别通过两个分割网络后，分别生成输出特征并形成两个伪标签，两个伪标签相互监督；损失函数：在有标注图像的训练过程中，采用Combo损失函数，在伪标签的交叉监督训练中，则引入了交叉熵损失函数；CBAM注意力模块：在PFFNet架构每个阶段的最上层和最下层特征分支中引入CBAM注意力模块，以解决传统的微动脉瘤图像分割中，实际环境中存在有标注的MA图像数量有限，而大量无标注图像未得到有效利用的问题。