龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：贵州大学
申请日：2024-05-30
公开（公告）日：2024-06-28
公开（公告）号：CN118262117A
主分类号：G06V10/26
分类号：G06V10/26;G06V20/70;G06V10/44;G06V10/82;G06N3/0464;G06N3/0455;G06N3/096;G06N3/0895;G06N3/048
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明提供了一种基于混合增强与交叉EMA的半监督医学图像语义分割方法，属于图像处理技术领域，将MeanTeacher架构中的基准网络替换为双解码器架构，并在不同解码器分支间通过特征扰动扩大分支间差异，之后在学生网络与教师网络不同解码器间进行交叉EMA更新策略，以进一步扩大学生网络与教师网络间的差异来防止方法性能上的退化。并且通过改进Cutmix数据增强，设计了一种标注数据与无标注数据间的混合增强方法。本发明采用上述的一种基于混合增强与交叉EMA的半监督医学图像语义分割方法，实现了标注数据与无标注数据间的一致性处理过程从而缓解了确认偏差问题。
主权项：1.一种基于混合增强与交叉EMA的半监督医学图像语义分割方法，其特征在于，包括以下步骤：S1、获取原始3D医学图像，原始3D医学图像包括标注数据和无标注数据；S2、对原始3D医学图像进行预处理，得到增强后的标注数据和无标注数据；S3、将增强后的标注数据和无标注数据进行混合得到混合数据；S4、将增强后的无标注数据输入到教师网络，经过教师编码器编码得到第一语义特征，第一语义特征经过教师解码器进行解码获得掩码预测，掩码预测即为伪标签；S5、将增强后的标注数据、增强后的无标注数据和混合数据输入到学生网络，经过学生编码器编码得到第二语义特征，第二语义特征经过学生解码器进行解码获得相应的概率预测；S6、学生网络对增强后的标注数据的概率预测由真实标签进行监督学习，学生网络对增强后的无标注数据的概率预测由教师网络生成的伪标签进行监督学习，学生网络对混合数据的概率预测由真实标签与伪标签混合得到的混合标签进行监督学习。
全文数据：
权利要求：
百度查询： 贵州大学 基于混合增强与交叉EMA的半监督医学图像语义分割方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号