一种基于不确定性驱动的动态校正与多尺度一致性学习的半监督医学图像分割方法

本发明公开一种基于不确定性驱动的动态校正与多尺度一致性学习的半监督医学图像分割方法，包括对医学图像数据集进行预处理，并划分训练集和测试集；构建基于不确定性驱动的动态校正与多尺度一致性学习的半监督分割模型；将训练集输入半监督分割模型，进行迭代训练与参数优化，得到训练后的半监督分割模型；将测试集输入训练后的半监督分割模型，得到医学图像分割结果；其中，半监督分割模型采用V‑Net网络的均值教师模型，在V‑Net解码器的每个上采样块后添加预测块并通过添加dropout层；本发明解决了现有的半监督学习方法难以适应标注数据和未标注数据分布的复杂性，导致有效信息丢失；同时，传统不确定性估计方法需要多次前向传递，计算成本高昂的问题。