买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：一种双分支证据动态融合伪标签的简笔监督医学图像分割方法，双分支特征器训练单元通过上下分支特征提取网络，获得输入医学图像各像素点的有差异的两个特征结果，上下分支共享解码器参数，不需要额外训练两个不同的特征提取网络；证据获取单元将上下分支提取到的像素点特征结果进行重新建模，获取上下分支的Dirichlet分布；联合训练单元同时利用上下分支Dirichlet分布，使用证据融合，通过一致性损失以监督没有标签的证据，使用部分证据优化损失优化有标签的证据。以及提供一种简笔监督医学图像分割系统。本发明在保证分割性能的同时提高了模型的泛化能力和鲁棒性。

主权项：1.一种双分支证据动态融合伪标签的简笔监督医学图像分割方法，其特征在于，所述方法包括如下步骤：步骤一：收集心脏MRI图像并进行预处理，用不同颜色对心脏三个部位进行简笔标注，所述三个部位分别为右心室RV、左心室LV和心肌MYO，并按预设比例将标注后的数据集划分为训练集D1和验证集D2；步骤二：训练集数据增强，将D1中的每张单通道图像，依次进行随机旋转与随机翻转操作，并缩放成预设大小，记为S1；步骤三：双分支特征提取网络包括一个编码器Encoder、上分支解码器Decoder1和下分支解码器Decoder2，其中Decoder1和Decoder2共享网络参数，用双分支特征提取网络提取输入图像的像素特征其中n＝1表示上分支，n＝2表示下分支，i∈[1,H×W]，H和W分别为输入图像的长和宽，j∈[1,K]，K为分割目标的类别数量；步骤四：将双分支特征提取网络的输出Vn分别输入Softplus函数获取像素分类证据再将证据进行均匀分布，形式化为Dirichlet分布参数αn＝en+11en＝SoftplusVn2其中Softplus.为激活函数；步骤五：根据Dirichlet分布参数αn训练更新双分支特征提取网络参数包括Encoder参数WE、Decoder1和Decoder2的共享参数WD，以最小化联合损失函数Ltotal，并保存验证集D2上分割性能最佳的网络参数{WE,WD}；步骤六：将没有标注的心脏MRI图像输入训练好的特征提取网络提取像素特征，特征提取网络包括Encoder和Decoder1，并获取像素分类的证据，形式化为Dirichlet分布参数，得到像素分类的预测概率分布，输出心脏MRI图像的分割结果。

全文数据：

权利要求：

百度查询： 浙江工业大学 双分支证据动态融合伪标签的简笔监督医学图像分割方法及系统