孙浩凯，叶赞挺，周  莹，王  柯

(浙江树人学院 信息科技学院，浙江 杭州 310015)

    摘要：医学图像分割技术可以在不同模态的医学影像中勾画病灶、器官信息，可以有效帮助临床医学进行病灶识别，从而提高临床诊断的效率与精度.近年来随着人工智能、深度学习技术的不断进步，基于深度学习的医学图像分割方法被不断提出.然而这些方法多以全监督学习方式进行，极度依赖于所提供的样本数据标签及其质量.而在医学领域临床影像数据涉及伦理、隐私，导致大规模的数据集难以建立；像素级的标注也需要领域专家进行标注而获取成本极大.这些因素限制了基于深度学习的医学图像分割方法的部署与应用，为此文章提出一种基于半监督学习的医学图像分割方法.该方法主要包含多分支分割网络和半监督学习一致性损失两个模块，在CT、MRI影像数据集上进行性能测试，实验结果验证文章所提出方法的有效性.

    关键词：半监督学习；医学图像分割；一致性损失

    中图分类号： R318；TP391.41       文献标志码：A          文章编号：2097-6070（2025）04-0026-07