基于无监督域适应解决高谱脑图像分割中的标注稀缺问题
计算机视觉与模式识别
2025-08-26 v1 定量方法
摘要
本工作提出了一种新型深度学习框架，用于分割脑血管在高谱脑图像中。我们解决了严重标签稀缺这一关键挑战，这会阻碍常规的监督式训练。我们的方法利用一种新型无监督域适应方法，在小规模的专家标注 ground truth 与 unlabeled 数据并存的条件下进行训练。定量和定性评估确认，我们的方法显著优于现有最先进的方法，证明了域适应在标签稀缺的医学影像任务中的有效性。
引用
@article{arxiv.2508.16934,
title = {Addressing Annotation Scarcity in Hyperspectral Brain Image Segmentation with Unsupervised Domain Adaptation},
author = {Tim Mach and Daniel Rueckert and Alex Berger and Laurin Lux and Ivan Ezhov},
journal= {arXiv preprint arXiv:2508.16934},
year = {2025}
}