C$^3$PS：用于半监督医学图像分割的上下文感知条件交叉伪监督
计算机视觉与模式识别
2023-06-16 v1
摘要
半监督学习（SSL）方法能够利用大量无标签数据提升性能，近年来受到越来越多的关注。本文中，我们提出了一种新颖的上下文感知条件交叉伪监督方法（称为 CPS），用于半监督医学图像分割。与先前发表的交叉伪监督（CPS）工作不同，本文引入了一种新颖的条件交叉伪监督（CCPS）机制，其中交叉伪监督以给定类标签为条件。进一步在 CCPS 中引入上下文感知，以提升用于交叉伪监督的伪标签质量。所提方法的额外优势在于，在训练后期它能够聚焦于困难器官的学习。在两个典型且具有挑战性的医学图像分割任务上的验证表明，我们的方法优于最先进的方法。
引用
@article{arxiv.2306.08275,
title = {C$^3$PS: Context-aware Conditional Cross Pseudo Supervision for Semi-supervised Medical Image Segmentation},
author = {Peng Liu and Guoyan Zheng},
journal= {arXiv preprint arXiv:2306.08275},
year = {2023}
}