基于双模型互学习的半监督中医舌诊图像分割方法OA北大核心CSTPCD
Semi-supervised tongue image segmentation method for traditional chinese medicine based on mutual learning with dual models
舌体图像的准确分割是中医舌诊客观化分析的重要前提,目前广泛采用的全监督分割方法需要对大量像素级标注的样本进行训练,而基于单一模型的半监督分割方法对学习到的错误知识缺乏自我纠正能力.针对这一问题,本文提出一种新颖的基于双模型互学习的半监督舌体图像分割方法.首先,模型A、B分别在有标签数据集上进行监督训练.之后,模型A、B进入互学习阶段,使用本文设计的互学习损失函数,根据双模型对无标签数据预测的分歧而赋予不同的权重.先由模型A对无标签数据集生成伪标签…查看全部>>
Accurate tongue image segmentation is a crucial prerequisite for objective analysis in tongue diagnosis in traditional Chinese medicine(TCM).At present,the widely-used full-supervised segmentation methods require a large number of pixel-level annotated samples for training,and the single-model-based semi-supervised segmentation methods lack the ability to self-correct the learned error knowledge.To address this issue,a novel semi-supervised tongue image segm…查看全部>>
李方旭;徐望明;徐雪;贾云
武汉科技大学 信息科学与工程学院,湖北 武汉 430081武汉科技大学 信息科学与工程学院,湖北 武汉 430081武汉科技大学 医学院,湖北 武汉 430065中国地质大学(武汉)医院,湖北 武汉 430074
计算机与自动化
半监督互学习舌体图像分割损失函数中医数字化
semi-supervisedmutual learningtongue image segmentationloss functiondigitization of TCM
《液晶与显示》 2024 (8)
1014-1023,10
国家自然科学基金(No.51805386)国家重点研发计划(No.3502300,No.3502302)Supported by National Natural Science Foundation of China(No.51805386)National Key R&D Program of China(No.3502300,No.3502302)
评论