基于MedSAM的高效半监督医学图像病灶分割方法

摘要

针对半监督病灶分割中教师网络性能较差，难以指导学生网络进行有效分割的问题，本文提出一种高效的半监督医学图像病灶分割方法.该方法选用特征提取能力更强的MedSAM(medical segment anything model)作为教师网络，构建基于Mamba的轻量级学生网络，通过知识蒸馏提升学生网络分割性能.针对异构网络特征对齐带来的语义失配问题，提出基于扰动一致的跨架构知识蒸馏策略，将教师特征映射到学生特征空间并对齐扰动响应，提升学生网络特征表达能力以优化分割性能.此外，针对病灶形态多样及前景背景对比度低导致的分割一致性差问题，提出基于分布的自监督损失进行优化.在多类医学图像病灶分割数据集上的实验表明，本文方法的分割性能优于现有方法，同时学生网络参数量仅为1.34 M，显著提升了模型效率.

关键词

病灶分割 / MedSAM / Mamba / 知识蒸馏 / 自监督损失