发明 基于低质量伪标签细化的医学图像涂鸦分割算法 【特价15】
医学图像 医疗影像 图像处理 图像分割 【医学图像 医疗影像 图像处理 图像分割】 1人
G06V10/26 G06N3/0895 G06N3/084 G06V10/774 G06V10/82
摘要：本发明公开了一种基于低质量伪标签细化的医学图像涂鸦分割算法，包括以下步骤：（1）使用典型的self‑training框架，该框架具有相同架构的两个模型，分别命名为教师和学生，教师学生模型仅在更新权重时有所不同；（2）带标签的学生模型分支中的伪标签来自于同一图像的两个不同教师学生模型，这有助于提高伪标签的质量和一致性；（3）使用每像素熵来分离高置信度像素和低置信度像素，所有高置信度像素的预测结果被用作正样本推导伪标签，而低置信度像素被推入由负样本组成的分类队列中，以便利用所有候选像素来训练模型（4）为了避免负样本过度偏向某个类别，为每个类别都分配了一个分类队列，以确保每个类别的负样本数量均衡，同时，由于数据集的长尾现象，特定的类别在一次迭代中是非常有限的，因此我们使用Memory‑Bank来存储负样本。
