一种自动分割并结合半监督学习的甲状腺结节良恶性预测方法

本发明公开一种自动分割并结合半监督学习的甲状腺结节良恶性预测方法，包括如下步骤：数据集建立、图像预处理、甲状腺结节分割模型训练、掩码与图像融合处理、甲状腺结节良恶性分类模型训练和半监督学习模型构建。本发明通过先分割出甲状腺结节有效区域，辅助进行后续良恶性分类任务，并通过半监督学习拓展和学习信息空间，克服现有技术中医学图像标注成本高，数据不足，限制深度学习模型性能的问题，同时基于预训练并使用甲状腺分割模型生成的结节区域进行混合融合后的滑窗分层视觉变换器第二代基础版模型实现了良好的性能，能实现高精度的甲状腺结节良恶性分类预测。