舌画像の正確なセグメンテーションは、伝統中国医学の舌診における客観的な解析の重要な前提条件である。現在広く採用されている全監督型セグメンテーション方法は、大量のピクセルレベルのラベル付きサンプルによる学習が必要であり、一方で単一モデルに基づく半教師ありセグメンテーション方法は、学習した誤った知識を自己訂正する能力に欠けている。この問題に対して、本論文では二モデル相互学習に基づく新規な半教師あり舌画像セグメンテーション手法を提案する。まず、モデルAおよびBはラベル付きデータセットで監督学習を行う。次に、本論文で設計した相互学習損失関数を用い、二モデルのラベルなしデータに対する予測の不一致に応じて異なる重みを付与しながら、相互学習段階に入る。まずモデルAがラベルなしデータセットに対して擬似ラベルを生成し、モデルBはラベル付きデータセットおよび擬似ラベルデータセットで微調整を行い、その後モデルBが擬似ラベルを生成し、モデルAが同様に微調整を行う。二モデルの微調整が終了した後、性能の優れた方を最終的な舌画像セグメンテーションモデルとして選択する。実験結果より、本手法はラベル付きデータの割合が1/100、1/50、1/25、1/8のときに、それぞれmIoUが96.67%、97.92%、98.52%、98.85%に達し、他の代表的な半教師あり手法を上回ることが示された。本手法は少数のラベル付きデータで高精度な舌画像セグメンテーションを達成可能であり、後続の舌色・舌形などの舌象解析応用の堅固な基盤を築き、中医学診療のデジタル化を促進する。

半教師あり;相互学習;舌画像セグメンテーション;損失関数;中医学デジタル化