典型文献
用于视网膜血管分割的半监督深度学习框架
文献摘要：
针对目前视网膜血管分割任务中伪标签质量参差不齐,获得高质量的伪标签需要经过筛选的问题,本文提出了一种新的用于视网膜血管分割的半监督深度学习框架.该框架采用分而治之的思想来处理数据,针对有标签数据,采用传统的深度学习方法;针对无标签数据,采用Mean teacher模型,通过对比同一输入的不同形态输出,让模型学习无标签数据之间的共同特征,避免了采用伪标签技术带来的筛选过程.本文将U型网络(u-neural networks,U-Net)、Dense-Net和Ladder-Net 3个基准网络放入该框架,在DRIVE和CHASEDB1数据集上进行训练测试,均取得了较好的分割效果,表明本文框架具有提高网络区分不同阈值像素的能力.
文献关键词：
视网膜血管分割;半监督学习;U型网络(U-Net);Mean teacher模型;伪标签
中图分类号：
作者姓名：
吕佳;刘耀文
作者机构：
重庆师范大学计算机与信息科学学院,重庆401331;重庆国家应用数学中心,重庆401331
文献出处：
引用格式：
[1]吕佳;刘耀文-.用于视网膜血管分割的半监督深度学习框架)[J].光电子·激光,2022(11):1207-1214
A类：
伪标签技术,CHASEDB1
B类：
视网膜血管分割,半监督深度学习,深度学习框架,标签质量,过筛,分而治之,想来,深度学习方法,无标签数据,Mean,teacher,不同形态,模型学习,共同特征,选过,neural,networks,Net,Dense,Ladder,基准网络,放入,DRIVE,分割效果,像素,半监督学习
AB值：
0.294071
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
