公开(公告)号：CN119228743A

公开(公告)日：2024-12-31

申请号：CN202411232082.2

申请日：2024-09-04

Applicant: 安徽大学

Inventor： 赵海峰 ,  蒋理想 ,  马磊磊 ,  曹明伟

IPC: G06T7/00 ,  G06N3/0464 ,  G06V10/25 ,  G06N3/096 ,  G06N3/045 ,  G06V10/40 ,  G06V10/764 ,  G06N3/09 ,  G06N3/088 ,  G06N3/0475 ,  G06N3/094 ,  G06V10/74 ,  G06N3/048 ,  G06N3/084 ,  G06V10/774 ,  G06V10/766 ,  G06N20/00

Abstract: 本发明公开一种基于对比学习的X光图像域适应肺结节检测方法，使用源域图像训练模型，将模型复制得到教师模型和学生模型，然后源域图像经过强数据增强送入学生模型，目标域图像经过强数据增强和弱数据增强分别送入学生模型和教师模型。对于源域图像，通过标签计算监督损失，对于目标域图像，通过伪标签计算无监督损失。分层对比学习模块分别计算区域级和像素级对比损失，对抗学习模块通过来自于源域和目标域的区域级特征获得对抗性分类损失。最后合并损失函数进行模型优化，更新学生模型参数，通过指数滑动平均策略更新教师模型参数。本发明通过采用独特的分层对比学习策略，解决了低质量伪标签的问题，有效提高了X光图像域适应肺结节检测的精度。