面向青鳉鱼断层图像多器官分割的知识蒸馏框架
计算机视觉与模式识别
2023-02-27 v1 机器学习
摘要
形态学图谱是生物机体研究中的重要工具，现代高通量计算机断层扫描（CT）设施可产出数百幅生物体的全身高分辨率体数据图像。然而，由这些体数据构建图谱需要精确的器官分割。在过去十年中，机器学习方法在图像分割任务中取得了令人瞩目的结果，但其训练需要大量标注数据。本文提出一种用于青鳉鱼断层图像多器官分割的自训练框架。我们利用预训练教师模型生成的伪标注数据，并采用质量分类器对伪标注数据进行精炼。随后，我们引入像素级知识蒸馏方法，以防止对伪标注数据的过拟合并提升分割性能。实验结果表明，我们的方法在全量数据集上将平均交并比（IoU）提升了 5.9%，且在使用少三倍标注的情况下仍能保持质量。
引用
@article{arxiv.2302.12562,
title = {A Knowledge Distillation framework for Multi-Organ Segmentation of Medaka Fish in Tomographic Image},
author = {Jwalin Bhatt and Yaroslav Zharov and Sungho Suh and Tilo Baumbach and Vincent Heuveline and Paul Lukowicz},
journal= {arXiv preprint arXiv:2302.12562},
year = {2023}
}
备注
Accepted at IEEE International Symposium on Biomedical Imaging 2023 (ISBI 2023)