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：天津大学

摘要：本发明公开了基于模型自蒸馏和原型学习的半监督医学图像分割方法，涉及图像信号处理技术领域。基于模型自蒸馏和原型学习的半监督医学图像分割方法，包括如下步骤：S1、建立半监督医学图像分割数据集；S2、构建网络架构；S3、设计半监督医学图像分割方案，并依据所设计的方案搭建半监督医学图像分割模型；S4、利用深度学习Pytorch框架训练半监督医学图像分割模型；S5、向模型中输入待分割医学图像，获得医学图像分割结果；本发明利用提出的双流记忆库架构、基于图像块亲和度矩阵的自蒸馏方法和基于上下文匹配的原型合成方法，将半监督医学图像分割性能提升到了新的高度。

主权项：1.基于模型自蒸馏和原型学习的半监督医学图像分割方法，其特征在于，具体包括以下步骤：S1、建立半监督医学图像分割数据集：给定医学图像q，其分割标签y与原图像分辨率一致，对不同区域通过不同颜色或不同灰度值进行标记，用于指示器官区域、病灶位置、血管网络或其他临床关注的解剖结构，进而构建包含有标签图像和无标签图像的半监督医学图像分割数据集；S2、构建网络框架：设计一个包含骨干网络F，自蒸馏编码器Esd以及两个独立线性分支G和H的学生模型；同时，构建一个与学生模型架构完全一致的教师模型，利用上述学生模型与教师模型共同构成教师-学生模型框架；所述学生模型的参数φs在训练过程中通过损失函数的梯度回传进行优化；所述教师模型的参数φt在训练过程中不计算梯度，每次训练迭代结束后，通过公式φt’＝0.99*φt+0.01*φs更新教师模型的参数；S3、设计方案、搭建模型：基于模型自蒸馏和原型学习，结合S1中所构建的数据集和S2中所构建网络框架，设计半监督医学图像分割方案，并依据所设计的方案搭建半监督医学图像分割模型，所述方案具体包括如下内容：①医学图像数据增强：将医学图像q随机裁剪成固定大小图像，然后进行两次独立随机空间变换Ts和Tt，获得增强后的图像qs和qt，并分别输入S2中所构建的学生模型和教师模型；②获取图像特征图：将增强后的图像输入骨干网络F，得到与图像分辨率一致的图像特征图，记为f；将图像特征图f输入自蒸馏编码器Esd，得到高维度低分辨率的自蒸馏特征图，记为fsd，特征图中的每个空间位置的高维向量代表原图像中对应位置的一个图像块的特征；将图像特征图f分别输入两个线性分支G、H，得到与图像分辨率一致的对比特征图和预测概率图，分别记为fco和fp；③获取伪标签并计算图像块原型：对于无标签图像，使用教师模型输出的预测概率图fp计算图像的伪标签，记为yp；使用②中所述学生模型对比特征图fco，以及图像标签y或伪标签yp，以图像块为单位，为每个类别计算出每个图像块对应的图像块原型；④构建图像块特征记忆库：每次训练迭代结束后，对于输入图像中的有标签图像，将其教师模型输出的自蒸馏特征图fsd按空间顺序展平后存储到图像块特征记忆库中，图像块特征记忆库记为Mf；图像块特征记忆库Mf存储的图像块个数等于数据集中所有有标签图像块的个数；记忆库充满后，按照先进先出的队列顺序更新记忆库；⑤构建图像块原型记忆库：每次训练迭代结束后，对于输入图像中的有标签图像，使用②中所述教师模型对比特征图fco以及图像对应分割标签y，以图像块为单位，为每个类别计算出对应的图像块原型，并保存到图像块原型记忆库中，图像块原型记忆库记为Mη；图像块原型记忆库Mη与④中所述图像块特征记忆库Mf中的图像块特征具有一一对应的关系，且存储的图像块个数及记忆库更新方式一致；⑥构建图像块亲和度矩阵：结合②中所述自蒸馏特征图fsd与④中所述图像块特征记忆库Mf，计算出图像块亲和度矩阵；学生模型和教师模型分别计算各自的图像块亲和度矩阵，分别记为As和At；⑦具有上下文感知的原型合成：使用⑥中所述学生模型图像块亲和度矩阵As，进行聚类运算，将图像和记忆库中具有相似特征的图像块放到相同聚类中，并结合亲和度矩阵As、③中所述图像块原型和⑤中所述图像块原型记忆库Mη，为每个聚类计算各类别像素的上下文感知原型；⑧损失函数设计：对于有标签图像，利用学生模型预测概率图fp和图像标签y，计算监督损失；对于无标签图像，利用学生模型预测概率图fp和伪标签yp，计算一致性损失；利用⑥中所述图像块亲和度矩阵As和At，计算自蒸馏损失；利用学生模型对比特征图fco和⑦中所述上下文感知原型，计算基于上下文感知原型的对比损失；S4、训练模型：利用深度学习Pytorch框架训练模型；先利用⑧中所述监督损失，遍历S1中所构建的半监督医学图像分割数据集中的少量有标签数据，直到学生网络监督损失函数初步收敛；然后利用⑧中所述的全部损失函数，遍历半监督医学图像分割数据集中的全部数据，直到获得最终的稳定模型；S5、输出结果：将S1中获得的半监督医学图像分割数据集中的数据输入到稳定模型中，获得医学图像分割结果。

全文数据：

权利要求：

百度查询： 天津大学 基于模型自蒸馏和原型学习的半监督医学图像分割方法