原创力文档摘要
心脏疾病是全球范围内导致高死亡率的主要疾病之一。心脏MRI图像可直
观呈现心脏结构，其准确高效分割对临床心脏病诊疗决策极为关键。深度学习用
于心脏MRI图像分割，能增强各结构辨识度，大幅提升临床诊断效率。其中，
半监督学习方法凭借其在利用少量标注数据的同时充分挖掘未标注数据潜力的
优势，成为医学图像分割领域的重要研究方向之一。本文对基于半监督学习的心
脏MRI图像分割的方法展开研究，具体研究工作如下：
针对在半监督方法下的心脏分割存在的标注稀缺与伪标签噪声问题，本文提
摘要
心脏疾病是全球范围内导致高死亡率的主要疾病之一。心脏MRI图像可直
观呈现心脏结构，其准确高效分割对临床心脏病诊疗决策极为关键。深度学习用
于心脏MRI图像分割，能增强各结构辨识度，大幅提升临床诊断效率。其中，
半监督学习方法凭借其在利用少量标注数据的同时充分挖掘未标注数据潜力的
优势，成为医学图像分割领域的重要研究方向之一。本文对基于半监督学习的心
脏MRI图像分割的方法展开研究，具体研究工作如下：
针对在半监督方法下的心脏分割存在的标注稀缺与伪标签噪声问题，本文提
文档评论（0）