基于半监督学习的语义可迁移的医学图像分割方法

本发明公开了一种基于半监督学习的语义可迁移的医学图像分割方法，包括以下步骤：步骤1、构建有标签的源域数据集和无标签的目标域数据集；步骤2、根据数据集，预训练学生网络以及获得源域数据表征和带有伪标签的目标域数据表征；步骤3、根据两个表征的统计量构建采样分布，再对源域数据表征进行TSA，构建分割损失函数并优化；将两个表征输入到GraphCL框架中，得到损失函数步骤4、构建模型总体损失函数来优化预训练后的学生网络的参数；教师网络的参数根据优化后的学生网络的参数使用EMA更新参数；经过多次迭代得到训练好的学生网络，实现医学图像分割。本发明解决了解剖结构表征的域偏移和过度依赖源域数据的问题。