一种基于半监督联合对比学习的淋巴结图像分割方法

本发明公开了一种基于半监督联合对比学习的淋巴结图像分割方法，所述方法包括：使用离散小波变换将空间特征分解为四个频率分量，并采用视觉状态空间块对每个分量进行增强，通过专门的频率一致性损失在空间和频率域之间强制学生模型特征与教师模型特征保持一致性。BGPC模块通过制定一种对比学习策略来明确处理模糊的边界区域，将包含结构边界和中心结构区域的图像块分别视为彼此的正样本和负样本，促使模型学习更具区分性的特征，以更好地将边界像素与背景和内部区域区分开来。基于带有监督预训练的Mean Teacher框架，优化综合损失函数。本发明提出的淋巴结图像分割方法在有限的标记数据的情况下，展示了更高的边界准确性和更强的鲁棒性。