一种基于幅值感知深度强化学习的半监督分割方法及系统

本发明公开了一种基于幅值感知深度强化学习的半监督分割方法及系统，涉及图像处理技术领域，包括获取头皮HR‑MR图像作为数据集，对图像分割目标进行标注；通过深度强化学习策略，得到合成图像；对输入的无标签图像施加扰动，结合合成图像和原图像联合输入编码器，逐级提取图像特征，训练半监督的图像分割网络；通过相位对齐策略处理无标签图像的低阶特征；将扰动后的无标签图像的高级特征输入交叉功率谱相关约束模块；添加权重计算总损失，通过反向传播更新网络参数，优化图像分割网络。本发明所述方法使模型能够自适应地学习不同的扰动和层结构变化带来的影响，对极端薄的层也能很好分割，避免噪声的干扰，更多的全局信息对分割有很大帮助。