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！

摘要：本发明针对肠道的超声图像标注数据少且标签质量差异化问题，克服肠道超声图像分割场景下的小样本问题，公开一种肠道超声图像半监督分割方法、系统、设备和介质，属于计算机视觉领域；方法包括：利用无标注肠道超声图像和真实标签肠道超声图像对医学大模型进行双级训练获得伪标签；在肠道超声图像中加入噪声扰动，与伪标签组成带噪标签数据；利用带噪标签数据和真实标签肠道超声图像训练Mean‑Teacher模型；利用训练好的Mean‑Teacher模型预测肠道超声图像的像素级标签，进而得到肠道超声图像分割结果。本发明提升了模型的鲁棒性和泛化性。

主权项：1.一种肠道超声图像半监督分割方法，其特征在于，包括以下步骤：S1、利用无标注肠道超声图像和真实标签肠道超声图像对医学大模型进行双级训练获得伪标签；所述医学大模型包括Totalsegmentator和SAM-Med3D；所述双级训练的过程具体为：将无标注肠道超声图像和真实标签肠道超声图像输送到Totalsegmentator中进行训练，其中真实标签肠道超声图像作为领域知识引导Totalsegmentator微调，训练完成后对无标注肠道超声图像做推理生成粗糙分割结果，将粗糙分割结果进行编码，将无标注肠道超声图像、真实标签肠道超声图像和编码后的粗糙分割结果输入到SAM-Med3D中进行训练，粗糙分割结果作为提示用于引导SAM-Med3D模型训练，SAM-Med3D训练完成，得到推理结果，利用SAM-Med3D的推理结果作为伪标签；S2、在无标注肠道超声图像中加入噪声扰动，与伪标签组成带噪标签数据；S3、利用带噪标签数据和真实标签肠道超声图像训练Mean-Teacher模型；所述Mean-Teacher模型包括Teacher模型和Student模型，所述训练Mean-Teacher模型的过程为：在每轮训练中，均执行以下操作，直到达到最大迭代次数：利用带噪标签数据训练Teacher模型，利用带噪标签数据和真实标签肠道超声图像训练Student模型；Teacher模型输出预测标签，用于标注像素类别；计算Teacher模型输出的预测标签的置信度，将置信度最低的像素作为误标注的像素，得到错误估计图；计算被预测标签标记的图像的不确定度；利用错误估计图和不确定度为Teacher模型输出的带噪标签图去噪，得到平滑后的标签图；计算Mean-Teacher模型的损失函数的值以更新Mean-Teacher模型；Student模型通过反向传播更新Student模型的参数，Teacher模型根据Student模型的参数利用指数滑动平均策略进行更新；S4、利用训练好的Mean-Teacher模型预测肠道超声图像的像素级标签，进而得到肠道超声图像分割结果。

全文数据：

权利要求：

百度查询： 江苏开放大学(江苏城市职业学院) 肠道超声图像半监督分割方法、系统、设备和介质