改进协同训练的肺部CT影像COVID-19病灶分割方法

作     者：汪洋 杨云 WANG Yang;YANG Yun

作者机构：云南大学国家示范性软件学院云南昆明650504 

基　　金：国家自然科学基金项目(61876166) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2023年第44卷第8期

页      码：2447-2453页

摘      要：在新型冠状病毒肺炎的肺部病灶分割任务中,基于半监督学习进行病灶分割可以利用大量未标记数据。针对半监督学习中伪标签置信度不足问题,采用UNet和DeepLabV3+作为基础网络搭建协同训练框架,以集成方法获取高质量伪标签;引入JS距离度量伪标签的不确定性,给予伪标签监督损失一个正则项,减轻低质量伪标签对分割性能的影响。在公开数据集中进行实验,获得Dice系数76.06%、IOU分数65.1%、敏感度分数77.22%和精确率分数81.46%。

主 题 词：深度学习 半监督学习 医学影像分割 协同训练 伪标签 CT影像 不确定性估计 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2023.08.027

馆 藏 号：203123392...