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%。
科研之友
微信
新浪微博
Facebook
分享链接
