[发明专利]一种医学图像分割数据自动标注的方法

权利要求书

1.一种医学图像分割数据自动标注的方法，包括以下步骤：

获取已标注数据集和未标注数据集；

使用所述已标注数据集以全监督方式训练生成模型和语义分割模型，其中所述生成模型用于从掩码生成图像；

利于经训练的生成模型和语义分割模型经过多次迭代标注过程获得所述未标注数据的标注结果，在迭代标注过程中，所述已标注数据集和所述生成模型固定不变，仅持续优化所述语义分割模型，该语义分割模型用于针对未标注数据生成伪标签。

2.根据权利要求1所述的方法，其特征在于，所述生成模型的输入包括风格控制图，语义掩码和canny特征图，其中风格控制图与语义掩码为对应的标签对，canny特征图是风格控制图的canny计算结果。

3.根据权利要求2所述的方法，其特征在于，对所述风格控制图进行结构的打乱，使其仅提供统计学上的风格控制，并使用patch shuffle数据扩增来增加所述风格控制图的数量。

4.根据权利要求1所述的方法，其特征在于，训练所述生成模型的损失函数包含局部结构相似性损失。

5.根据权利要求1所述的方法，其特征在于，所述语义分割模型包括2D模型和3D模型。

6.根据权利要求3所述的方法，其特征在于，所述生成模型的整体框架为编码-解码结构，其中基于SPADE构建解码结构，并且通过以下方式增加图像细节的强先验知识：假设hⁱ是第i层激活层输出，批处理的大小为N，通道数为C_i，H_i和W_i是该层激活特征图的高度和宽度，ψ为canny算子提取的边缘信息，经激活层输出以通道为单位进行归一化，然后通过可学习的比例因子和偏移量进行调制，最后加入canny算子来提供边缘信息的强先验知识。

7.根据权利要求3所述的方法，其特征在于，根据以下公式来增加所述风格控制图的数量：

C＝[(h％n)·(w％n)]！

其中，n是patch的大小，％表示整除运算，！表示阶乘运算，h和w分别是风格控制图的长和宽，n是原始的风格控制图的数量，C是经patch shuffle处理后得到的风格控制图数量。

8.根据权利要求1所述的方法，其特征在于，所述已标注数据集根据ISIC18皮肤癌分割公开数据集与BraTs20脑肿瘤分割公开数据集获得。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。