基于强弱扰动的分级Siamese对比增强的涂鸦标注医学图像分割方法

摘要

本发明公开了一种基于强弱扰动的分级Siamese对比增强的涂鸦标注医学图像分割方法，步骤（1）使用图像级别扰动进行图像预处理：主要扰动方式包括弱图像级别扰动与强图像级别扰动；（2）使用适用于涂鸦标注等弱监督应用场景的训练方式‑Siamese network；（3）利用通信式弱图像级别扰动实现对图像级别高置信度像素的特征提取；（4）利用强图像级别扰动得到图像本质特征信息的特征空间扩张模块。本发明在使用轻量级分割网络基础上引入特征投影层和特征预测层，优化了模型训练的结构和参数，保证了分割准确率和性能指标。实验测试：该模型在dice系数上表现出精确度达到90.76的性能且将时间成本缩小为现阶段其他常用方法的1/2。