一种基于高价值区域自适应学习的半监督医学图像分割方法

本发明公开一种基于高价值区域自适应学习的半监督医学图像分割方法，包括构建基于高价值区域自适应学习的半监督医学图像分割模型，模型包括两个结构相同且独立更新参数的并行网络，两个并行网络输出原始预测结果和扰动后的预测结果，基于扰动后的预测结果的置信度分布，筛选出不同的价值区域：可靠不稳定区域和不可靠稳定区域；通过置信度引导的交叉原型一致性学习模块训练可靠不稳定区域，通过动态教师竞争教学模块训练不可靠稳定区域；利用训练集对模型进行训练，基于验证集选取最优的权重，将测试集输入具有最优权重的模型中，输出结果。本发明通过差异化学习策略，精确聚焦于医学图像的高价值区域，显著提升了模型在图像关键区域的分割效果。