一种用于医学图像分割的双标准主动学习方法及系统

本发明公开了一种用于医学图像分割的双标准主动学习方法及系统，涉及医学图像处理技术领域；在医学图像池上训练用于代表性主动学习的变分自编码器，以将医学图像数据映射到潜在空间中，从而捕获学习数据的全局分布特性；从医学图像池中随机抽取M个样本，构建初始已标注图像集；在初始已标注图像集上，通过最小化交叉熵损失函数训练用于医学图像分割的神经网络模型；进行T轮主动学习后获取最终的医学图像分割模型。本发明一方面有效规避了传统策略在训练初期过早聚焦困难样本导致的分布偏差问题；另一方面通过将不确定性计算限定在代表性样本构成的候选集范围内，大幅提升了主动学习算法的运行效率。