摘要
针对目前视网膜血管分割任务中伪标签质量参差不齐,获得高质量的伪标签需要经过筛选的问题,本文提出了一种新的用于视网膜血管分割的半监督深度学习框架.该框架采用分而治之的思想来处理数据,针对有标签数据,采用传统的深度学习方法;针对无标签数据,采用Mean teacher模型,通过对比同一输入的不同形态输出,让模型学习无标签数据之间的共同特征,避免了采用伪标签技术带来的筛选过程.本文将U型网络(u-neural networks,U-Net)、Dense-Net和Ladder-Net 3个基准网络放入该框架,在DRIVE和CHASEDB1数据集上进行训练测试,均取得了较好的分割效果,表明本文框架具有提高网络区分不同阈值像素的能力.
基金项目
国家自然科学基金(11971084)
重庆市教委重点项目(KJZD-K202200511)
重庆市科技局技术预见与制度创新项目(2022TFII-OFX0265)
重庆师范大学研究生科研创新项目(YKC21043)
NETL
NSTL
维普
万方数据