C3S3：基于互补竞争与对比选择的半监督医学图像分割
计算机视觉与模式识别
2025-06-26 v2 人工智能
摘要
在医疗领域标注样本不足的现实挑战下，半监督医学图像分割 (SSMIS) 提供了一条可行的解决方案。尽管在描绘主要目标区域方面取得了令人印象深刻的结果，但目前大多数方法在捕捉边界细微细节方面仍存在不足。这一不足常常导致诊断误差显著。为此，我们引入 C3S3，一种新型半监督分割模型，通过融合互补竞争与对比选择，实现了边界描绘的锐化和整体精度的提升。具体而言，我们开发了一个以结果为导向的对比学习模块，专用于细化边界定位。此外，我们引入动态互补竞争模块，该模块利用两个高性能子网络生成伪标签，从而进一步提高分割质量。对提出的 C3S3 进行了严格的验证，包含 MRI 和 CT 扫描的实践。结果表明，我们的方法在多个 cutting-edge 对手方面表现优异。尤其在 95HD 和 ASD 指标上，本方法实现了至少 6% 的显著性提升，凸显了显著的技术进步。代码已公开于 https://github.com/Y-TARL/C3S3。
引用
@article{arxiv.2506.07368,
title = {C3S3: Complementary Competition and Contrastive Selection for Semi-Supervised Medical Image Segmentation},
author = {Jiaying He and Yitong Lin and Jiahe Chen and Honghui Xu and Jianwei Zheng},
journal= {arXiv preprint arXiv:2506.07368},
year = {2025}
}
备注
Accepted to ICME 2025