您所在的位置: 成果库 基于伪标签与深度特征交叉引导的睑板腺体图像分割方法

基于伪标签与深度特征交叉引导的睑板腺体图像分割方法

成果类型:: 发明专利

发布时间: 2023-12-14 16:53:09

科技成果产业化落地方案
方案提交机构:成果发布人| 黄哲芬 | 2023-12-14 16:53:10

本发明提供了基于伪标签与深度特征交叉引导的睑板腺体图像分割方法,包括以下步骤:步骤S1:数据集处理;即对睑板腺体图像数据集进行划分和预处理,该数据集包含有标签数据和无标签数据;步骤S2:伪标签交叉引导;步骤S3:深度特征交叉引导;在分割网络的编码器深层设置一个辅助分支模块,对模型编码器深层的输出进行降维;编码器的浅层卷积进行监督约束,使两个模型的编码器部分进行深度特征交叉引导;应用本技术方案能够训练网络关注图像的边缘信息和语义信息,获取更为全面的特征描述,减少模型对标注数据量的依赖,最终获得更好的分割结果。

提供一种基于伪标签与深度特征交叉引导的睑板腺体图像分割方法,能够训练网络关注图像的边缘信息和语义信息,获取更为全面的特征描述,减少模型对标注数据量的依赖,最终获得更好的分割结果。为实现上述目的,本发明采用如下技术方案:基于伪标签与深度特征交叉引导的睑板腺体图像分割方法,包括以下步骤:步骤S1:数据集处理;即对睑板腺体图像数据集进行划分和预处理,该数据集包含有标签数据和无标签数据;步骤S2:伪标签交叉引导;以具有编解码结构的U型网络作为基础的分割网络;首先初始化两个结构完全相同、参数不同的分割网络F1、F2;将图像数据同时送入F1、F2,分别得到对应的分割预测图像Y1、Y2;其中,对于少量的有标签的数据,使用真实标签对两个模型进行监督学习;对于大量的无标签数据,使用预测图像Y1、Y2得到对应的预测标签即为伪

睑板腺图像分割方法是指根据给定的红外眼睑图像对数据进行自动分割得到睑板腺体,以数据的方式展示治疗前后的病情。与普通的图像分割任务不同,睑板腺图像中腺体和背景差异较小、病变腺体呈不规则变化,且一张图像中腺体密集排列。因此,现有的分割方法对于腺体和背景区域区分能力弱,腺体边缘分割不清,分割结果不够精细。更重要的是,睑板腺图像的标签需要耗费大量的时间进行标注,无法获得大量的标注数据,导致分割网络效果不佳。

为了提高睑板腺图像分割的准确性,需要跳出仅仅使用常规编码器和解码器的思想,从睑板腺图像的自身特性出发,提取合适的特征对模型进行引导,使获得的特征能够兼顾图像的边缘信息和语义信息。此外,考虑到睑板腺图像的标记成本较高,需要从实际应用角度出发,使用半监督学习策略来提高模型的泛化能力、减小模型对标注数据的依赖性。因此,如何提取合适的特征对模型进行引导、提高模型的泛化能力和尽可能地减小模型对标注数据的依赖性成为了提高睑板腺图像分割效果的关键所在。

发明人:林嘉雯 卢峰 翁谦 刘诗琳 毛美艳 王钦 安远 林灵杰福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。

与现有技术相比,本发明具有以下有益效果:

(1)本发明提出的方法能够训练网络关注图像的边缘信息和全局语义信息,获取更为全面的特征描述,最终获得更好的分割结果。

(2)本发明能引导网络更加关注模型深层特征的学习,并用深层特征对模型进行扰动,增加了模型的鲁棒性。

(3)相比已有方法,本发明能够有效减少模型对标注数据的依赖,提高分割精度,同时提高模型的泛化能力。

当前专利未经权利人许可不得实施,希望将科技成果转让给研发实力雄厚的企业,由受让人对科技成果实施转化。交易的是科技成果中的知识产权,可以包括专利权、专利申请权、技术秘密等。科技成果转让后,转让方获得转让费,不再是科技成果的所有人;受让方向转让方支付转让费,并成为科技成果的新的所有人。