申请/专利权人：陕西科技大学

申请日：2024-01-12

公开（公告）日：2024-04-16

公开（公告）号：CN117893760A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/82;G06V10/44;G06V10/764;G06V10/771;G06V10/774;G06N3/045;G06N3/084;G06N3/0895;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于困难像素和有效图像的联合特征一致性的半监督医学图像分割方法，包括：加载医学图像数据进行预处理操作，其中训练集被分为标记图像和无标记图像；医学图像数据输入UFC半监督孪生网络，网络包括学生模型、教师模型、困难像素特征选择器和类特征提取器，学生模型和教师模型均包括提取器和分类器，学生模型和教师模型之间权值共享；对于标记图像，输入学生模型并得到输出，计算学生模型的输出与标签的监督损失；对于无标记图像，分别输入学生模型和教师模型并得到输出，并使用教师模型的输出来检测学生模型的输出作为一致性损失；使用监督损失和一致性损失的加权优化模型参数，并多次优化后输出，完成医学图像分割。

主权项：1.一种基于困难像素和有效图像的联合特征一致性的半监督医学图像分割方法，其特征在于，包括：步骤一：加载医学图像数据进行预处理操作，其中训练集被分为标记图像和无标记图像；步骤二：医学图像数据输入UFC半监督孪生网络，UFC半监督孪生网络包括学生模型、教师模型、困难像素特征选择器和类特征提取器，学生模型和教师模型均包括提取器和分类器，学生模型和教师模型之间权值共享；对于标记图像，输入学生模型并得到输出，计算学生模型的输出与标签的监督损失；对于无标记图像，分别输入学生模型和教师模型并得到输出，并使用教师模型的输出来检测学生模型的输出作为一致性损失；步骤三：使用监督损失和一致性损失的加权优化模型参数，并多次优化后输出，完成医学图像分割。

全文数据：

权利要求：

百度查询： 陕西科技大学 一种基于困难像素和有效图像的联合特征一致性的半监督医学图像分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD