公开(公告)号：CN118397272A

公开(公告)日：2024-07-26

申请号：CN202410498061.9

申请日：2024-04-24

Applicant: 兰州大学

Inventor： 张怀堃 ,  马义德 ,  廉敬 ,  鲁相玉 ,  马沛 ,  黄小丹

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/762 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于聚类融合交叉学习的半监督医学图像分割方法，CFCT采用与CPS类似的训练机制，通过两个子网络生成伪标签进行交叉训练学习来加强两个子网络之间的一致性，使用基于聚类融合的Mask Transformer网络取代传统的基于像素的分割网络，CFN在原始卷积神经网络主干的基础架构中引入了一个目标查询向量，通过将其与CNN骨干网络解码器中输出的多尺度像素特征进行交叉注意力计算来更新目标查询向量，将更新后的目标查询向量视为聚类中心，该聚类中心经过交叉注意力计算得到了不同聚类与像素之间的亲和力，其计算过程类似于经典的k‑means聚类算法，最后，通过一个分割头将更新后的聚类中心与骨干网络输出的图像像素特征合并，得到预测的分割结果。

公开(公告)号：CN118397272B

公开(公告)日：2025-04-18

申请号：CN202410498061.9

申请日：2024-04-24

Applicant: 兰州大学

Inventor： 张怀堃 ,  马义德 ,  廉敬 ,  鲁相玉 ,  马沛 ,  黄小丹

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/762 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于聚类融合交叉学习的半监督医学图像分割方法，CFCT采用与CPS类似的训练机制，通过两个子网络生成伪标签进行交叉训练学习来加强两个子网络之间的一致性，使用基于聚类融合的Mask Transformer网络取代传统的基于像素的分割网络，CFN在原始卷积神经网络主干的基础架构中引入了一个目标查询向量，通过将其与CNN骨干网络解码器中输出的多尺度像素特征进行交叉注意力计算来更新目标查询向量，将更新后的目标查询向量视为聚类中心，该聚类中心经过交叉注意力计算得到了不同聚类与像素之间的亲和力，其计算过程类似于经典的k‑means聚类算法，最后，通过一个分割头将更新后的聚类中心与骨干网络输出的图像像素特征合并，得到预测的分割结果。