计算机应用研究

作者：黄鹏辉,黄国恒,程良伦,黄佳杰,

单位：广东工业大学计算机学院,广州510006；

关键词：医学图像分割,半监督学习,伪标签优化,频域引导,一致性正则化,

基金：广州市科技计划资助项目(2023B01J0029)；广东省信息物理融合系统重点实验室项目(2020B1212060069)；；

在医学图像分割任务中，复杂的解剖结构、模糊的边界以及伪标签在语义表达与结构一致性方面的偏差，容易导致深度模型在半监督训练过程中出现结构感知退化和特征表达不稳定的问题。针对上述挑战，构建了一种面向结构感知增强与伪标签可靠性建模的半监督分割方法。在双解码器架构基础上，提出频率引导的结构提示模块，联合三轴频率建模与多尺度空间感知机制，以提升对边界及细粒度结构的建模能力。同时，设计基于语义-结构一致性的伪标签置信建模机制，结合预测熵与特征一致性评分动态调控伪标签的监督强度，从而提升训练稳定性与伪标签利用效率。在TooCT、LA及Pancreas-CT三个数据集上的实验结果表明，在仅使用10%和20%标注样本的条件下，所提方法在Dice系数、95% Hausdorff距离和平均表面距离ASD上均优于如DTC、MC-Net、BCP等典型半监督模型，证明了所提方法的有效性。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期