基于置信学习和协同训练的医学图像分割方法

摘要

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对该问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两网络的输出结果一致，接着将其中一网络的输出利用置信学习同原低质量标注进行对比，修正低质量标注数据从而使其提供有效训练参考。将提出模型在3个不同模态的医学图像数据集上进行对比，实验结果表明：提出模型的分割效果均优于已有的置信学习模型。

关键词

计算机应用 / 医学图像分割 / 置信学习 / 协同训练