基于双尺度一致性的医学图像分割系统

本发明属于医学图像分析处理系统领域，公开了基于双尺度一致性的医学图像分割系统，具体系统方案为：以乳腺超声图像为例，采用半监督学习机制，对少量标注数据进行有监督训练，对大量无标注数据进行无监督训练；骨干网络为双尺度一致性教师学生网络，通过对双尺度的医学图像的特征提取和特征交互，实现对医学目标的精准分割；采用监督损失、尺度一致性损失和可靠伪标签损失共同约束网络进行训练，尺度一致性损失用以对受到扰动前后的图像实施约束，从两个教师网络的预测概率分布中获取更为可靠的伪标签，可靠伪标签损失可以保障无监督训练顺利进行，本发明可以在确保模型分割精度的前提下降低模型对标注数据的依赖。