一种基于半监督学习的视盘视杯分割方法

本发明公开了一种基于半监督学习的视盘视杯分割方法，属于图像处理与人工智能领域，针对有标注眼底图少导致视盘视杯分割模型不稳定以及噪声污染导致精度差的问题，采用以下方案：获取有/无标注眼底图预处理，第一阶段构建双分支改进DeepLab v3 +模型用以完成视盘分割，利用有标注眼底图进行全监督及抗噪训练后，用该双分支模型处理无标注眼底图，通过统计噪声前后伪标签像素一致性评估模型抗噪能力，用抗噪强的模型监督另一模型训练；第二阶段，构建并训练SegFormer模型用以完成视杯分割；最后将两个模型串联实现视盘视杯两阶段分割。该方法充分利用无标注数据进行半监督训练，提升模型抗噪性与分割精度，为青光眼筛查工作提供技术支持。