System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 永久免费av无码网站大全,久久亚洲AV永久无码精品,亚洲av无码无线在线观看 
  • 

  • 
<ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>
    

    

    
    
      
    
          
    
            當前位置: 首頁 > 專利查詢>深圳大學專利>正文
          
    
          
    
            
    
                
    
                    
    
                        
    
                            
    基于2+1校正模式的多擾動一致性醫學圖像分割方法技術
    
                            
    技術編號：44275792 閱讀：8 留言：0更新日期：2025-02-14 22:15
    
                        
    
                        
    
                            
                            本發明專利技術公開了基于2+1校正模式的多擾動一致性醫學圖像分割方法，包括以下步驟：S1、構建圖像分割模型；S2、得到兩個不同增強的圖像；S3、將不同增強的圖像輸入到圖像分割模型中，得到6個分割結果；S4、將6個分割結果分別輸入到學生差異指導糾正學習模塊中，得到差異損失和錯誤損失；S5、將學生網絡的分割結果輸入到自適應雙向位移模塊中，得到4個新樣本；S6、再將4個新樣本分別輸入到不同的學生網絡中，進行dice損失計算；S7、將所有損失求和得到總損失；S8、利用總損失的隨機梯度下降訓練出能正確分割醫學圖像的學生模型A。本發明專利技術能解決利用單個擾動只能處理有限的情況的問題，可以達到在使用多個擾動下依然能保證一致性學習的質量。
    
                            
                            
    


    
                            

                            
    【技術實現步驟摘要】
    
                                
    本專利技術涉及半監督醫學圖像分割，尤其是涉及基于2+1校正模式的多擾動一致性醫學圖像分割方法。

    技術介紹
    1、現有技術中，半監督醫學圖像分割方法較全監督醫學圖像分割方法降低了大量成本和人力，因此半監督分割的高準確性是研究這一領域的研究者所追求的。隨著研究的深入，在半監督醫學圖像分割領域提出了許多新框架和方法，如雙向復制粘貼(bcp)和相互糾正框架(mcf)，這些方法通過整合半監督學習和一致性正則化，顯著提升了現有分割模型的性能。近段時間，學生教師模型搭配一致性學習在半監督醫學圖像分割領域熱度很高，教師模型生成的偽標簽可以作為學生模型輸出的監督信號，其核心策略是強制模型在不同的擾動下產生一致的預測。
    2、對于上述半監督醫學圖像分割方法，仍存在一些不足：
    3、（1）基于平均教師模型的半監督圖像分割方法雖然有效的利用了大量的未標記圖像，但是會受到錯誤偽標簽的影響，導致分割錯誤。
    4、（2）基于一致性的半監督分割方法要么只關注于利用特定的單個擾動而只能處理有限的情況，要么同時使用多個擾動卻很難保證一致性學習的質量。

    技術實現思路
    1、本專利技術的目的是提供基于2+1校正模式的多擾動一致性醫學圖像分割方法，能解決利用單個擾動只能處理有限的情況的問題，可以達到在使用多個擾動下依然能保證一致性學習的質量。
    2、為實現上述目的，本專利技術提供了一種基于2+1校正模式的多擾動一致性醫學圖像分割方法，包括以下步驟：
    3、s1、構建包含一個教師網絡t和兩個不同的學生網絡a和學生網絡b的圖像分割模型；
    4、s2、將圖像x經弱增強和強增強得到兩個不同增強的圖像
              x
              w和
              x
              s；
          
    5、s3、將圖像
              x
              w和
              x
              s分別輸入到教師網絡t、學生網絡a和學生網絡b中，得到6個分割結果；
          
    6、s4、將教師網絡t、學生網絡a和學生網絡b的6個分割結果分成兩組，一組
              o
              wa、
              o
              wb和
              o
              wt，和另一組
              o
              sa、
              o
              sb和
              o
              st，將這兩組分割結果分別輸入到學生差異指導糾正學習模塊中，得到差異損失和錯誤損失；
          
    7、s5、將學生網絡a和學生網絡b的4個分割結果分成兩組，
              o
              wa、
              o
              sb組成一組，
              o
              sa、
              o
              wb組成一組，分別輸入到自適應雙向位移模塊中，得到4個新樣本；
          
    8、s6、再將4個新樣本分別輸入到學生網絡a和學生網絡b中，得到8個輸出，將8個輸出分成4組，將同一個新樣本經過不同學生網絡的輸出分成一組，進行dice損失計算，得到自適應位移損失；
    9、s7、將得到的損失求和得到總損失
              l
              all；
          
    10、s8、利用總損失的隨機梯度下降訓練出能正確分割醫學圖像的學生模型a。
    11、優選的，s1中，學生網絡a應用了向編碼器的輸出特征圖z注入噪聲的擾動一，學生網絡b應用了對編碼器的輸出特征圖z丟棄一些激活的擾動二。
    12、優選的，擾動一具體為：對與特征圖z大小相同的噪聲張量n~u(-0.3，0.3)進行均勻采樣，通過將其與特征圖z相乘來調整其幅度后，將噪聲注入特征圖z中，得到；
    13、擾動二具體為：首先對閾值進行均勻采樣，在對信道維度求和并將特征圖z歸一化以得到z'后，生成一個掩碼，然后使用它來獲得擾動版本。
    14、優選的，s4中，以
              o
              wa、
              o
              wb和
              o
              wt為例，
              o
              wa、
              o
              wb和
              o
              wt經過softmax和argmax操作后得到
              m
              wa、
              m
              wb和
              m
              wt；
              m
              wa和
              m
              wb經過異或操作得到差異掩碼；
              m
              wa和
              m
              wt經過異或操作得到錯誤掩碼；
              m
              wb和
              m
              wt經過異或操作得到錯誤掩碼；與異或得到相異錯誤掩碼；與異或得到相異錯誤掩碼；同理，
              o
              sa、
              o
              sb和
              o
              st經相同操作得到、和，最后利用
              o
              wa、
              o
              wb、
              o
              wt、和得到差異損失，公式如下：
          
    15、；
    16、利用
              o
              wa、
              o
              wb、
              o
              wt、
              、、、和均勻分布u得到錯誤損失，公式如下：
          
    17、；
    18、式中的是一個掩碼，計算公式為，掩碼上標的s和w分別表示強增強和弱增強。本文檔來自技高網...
                            
    
                            
    【技術保護點】
    
                                
    1.基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于，包括以下步驟：
    2.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：S1中，學生網絡A應用了向編碼器的輸出特征圖z注入噪聲的擾動一，學生網絡B應用了對編碼器的輸出特征圖z丟棄一些激活的擾動二。
    3.根據權利要求2所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：擾動一具體為：對與特征圖z大小相同的噪聲張量N~u(-0.3，0.3)進行均勻采樣，通過將其與特征圖z相乘來調整其幅度后，將噪聲注入特征圖z中，得到；
    4.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：S4中，以OwA、OwB和OwT為例，OwA、OwB和OwT經過Softmax和argmax操作后得到MwA、MwB和MwT；MwA和MwB經過異或操作得到差異掩碼；MwA和MwT經過異或操作得到錯誤掩碼；MwB和MwT經過異或操作得到錯誤掩碼；與異或得到相異錯誤掩碼；與異或得到相異錯誤掩碼；同理，OsA、OsB和OsT經相同操作得到、和，最后利用OwA、OwB、OwT、和得到差異損失，公式如下：
    5.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：S5中，以OwA、OsB為例，將OwA、OsB經過Softmax操作得到PwA、PsB，將經過輸入擾動、特征擾動和網絡擾動的分割預測PwA、PsB均分成16塊并給每一塊標上0-15的索引，先將PwA中的16塊做塊間注意力得到最不相關的塊記下索引，再將這一塊與PsB中的16塊進行塊間注意力找出與之最不相關的塊記下索引，將Xw和Xs中也分成16塊并給每一塊標上0-15的索引，PwA中找到的塊的索引對應到Xw中相同索引的塊，PsB中找到的塊的索引對應到Xs中相同索引的塊，用Xs找到的塊中替換Xw找到的塊，得到新樣本；反過來，同樣將PsB中的16塊做塊間注意力得到最不相關的塊記下索引，再將這一塊與PwA中的16塊進行塊間注意力找出與之最不相關的塊記下索引，用Xw找到的塊中替換Xs找到的塊，得到新樣本；同理，對OsA、OwB對進行相同操作得到新樣本和。
    6.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：S6中，公式如下：
    7.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：S7中，總損失Lall的公式如下：
    ...
                            
    
                            
    【技術特征摘要】
    
                                
    1.基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于，包括以下步驟：
    2.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：s1中，學生網絡a應用了向編碼器的輸出特征圖z注入噪聲的擾動一，學生網絡b應用了對編碼器的輸出特征圖z丟棄一些激活的擾動二。
    3.根據權利要求2所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：擾動一具體為：對與特征圖z大小相同的噪聲張量n~u(-0.3，0.3)進行均勻采樣，通過將其與特征圖z相乘來調整其幅度后，將噪聲注入特征圖z中，得到；
    4.根據權利要求1所述的基于2+1校正模式的多擾動一致性醫學圖像分割方法，其特征在于：s4中，以owa、owb和owt為例，owa、owb和owt經過softmax和argmax操作后得到mwa、mwb和mwt；mwa和mwb經過異或操作得到差異掩碼；mwa和mwt經過異或操作得到錯誤掩碼；mwb和mwt經過異或操作得到錯誤掩碼；與異或得到相異錯誤掩碼；與異或得到相異錯誤掩碼；同理，osa、osb和ost經相同操作得到、和，最后利用owa、owb、owt、和得到差異損失，公式如下：
    5.根據權利...
                            
    
                            
    【專利技術屬性】
    
                                技術研發人員：何志權，歐陽雅婷，
    
        申請(專利權)人：深圳大學，
    
        類型：發明
    
        國別省市：
    
                            
    
                            
                        
    
                    
    
                    
                    
                     
                
    
                
                
    
                    
    
                        網友詢問留言
                        已有0條評論
                    
    
                    
    
                        
    
                            
      
                                
    • 
                                
						

      還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。
      


                              
                            
    
                            
    
                                 1 

                            
    
                        
    
                        
                        
    
                            
    
                              
                            
    
                            
                        
    
                    
    
                
    
            
    
              
             
          
    
      
    
    
    

    
    
    




  


主站蜘蛛池模板：
亚洲av激情无码专区在线播放|
性无码专区一色吊丝中文字幕|
久久无码中文字幕东京热|
69堂人成无码免费视频果冻传媒
|
综合国产在线观看无码|
无码人妻熟妇AV又粗又大|
无码任你躁久久久久久久
|
亚洲中文字幕久久精品无码A|
日韩精品无码永久免费网站|
亚洲AV无码国产精品色|
国产丝袜无码一区二区三区视频|
伊人久久精品无码麻豆一区|
亚洲av成人无码久久精品|
内射无码午夜多人|
曰韩无码二三区中文字幕|
无码人妻精品一区二区三区99性|
亚洲精品无码不卡在线播HE|
亚洲AV无码成人精品区大在线|
无码中文字幕人妻在线一区二区三区
|
67194成l人在线观看线路无码|
亚洲热妇无码AV在线播放|
天码av无码一区二区三区四区
|
三上悠亚ssⅰn939无码播放|
亚洲AV无码专区亚洲AV桃|
亚洲国产成人精品无码区在线秒播|
亚洲国产精品无码久久一区二区|
久久亚洲AV永久无码精品|
亚洲av无码不卡私人影院|
亚洲AV无码成H人在线观看|
国产午夜鲁丝片AV无码免费|
国产精品成人99一区无码|
亚洲αⅴ无码乱码在线观看性色|
亚洲成av人无码亚洲成av人|
成人毛片无码一区二区|
特黄熟妇丰满人妻无码|
亚洲日韩精品无码专区网站|
四虎影视无码永久免费|
小13箩利洗澡无码视频网站|
精品无码人妻夜人多侵犯18|
亚洲午夜成人精品无码色欲|
性生交片免费无码看人|