基于SAM引导和匹配的半监督医学图像分割框架
计算机视觉与模式识别
2024-11-27 v1
摘要
本研究引入了SAMatch，一个SAM引导的Match-based框架，用于半监督医学图像分割，旨在提高数据稀缺场景下的伪标签质量。虽然Match-based框架有效，但由于缺乏真实标签，难以处理低质量伪标签。SAM预训练于大型数据集，能够在 diverse 任务中泛化良好，并用于生成高置信度提示，这些提示随后用于通过微调的SAM来细化伪标签。SAMatch以端到端方式进行训练，允许模型之间进行动态交互。在ACDC心脏MRI、BUSI乳腺超声和MRLiver数据集上的实验表明，SAMatch使用最少的标记数据，分别实现了89.36%、77.76%和80.04%的Dice分数。SAMatch有效地解决了半监督分割中的挑战，为数据受限环境中的分割提供了一个强大的工具。代码和数据可在https://github.com/apple1986/SAMatch获取。
引用
@article{arxiv.2411.16949,
title = {A SAM-guided and Match-based Semi-Supervised Segmentation Framework for Medical Imaging},
author = {Guoping Xu and Xiaoxue Qian and Hua Chieh Shao and Jax Luo and Weiguo Lu and You Zhang},
journal= {arXiv preprint arXiv:2411.16949},
year = {2024}
}