用于三维左心房图像分割的互补一致性半监督学习
图像与视频处理
2023-04-05 v5 计算机视觉与模式识别
摘要
本文提出了一种基于互补一致性训练的网络，称为CC-Net，用于半监督左心房图像分割。CC-Net从互补信息的角度高效利用无标签数据，以解决现有半监督分割算法从无标签数据中提取信息能力有限的问题。CC-Net的互补对称结构包括一个主模型和两个辅助模型。主模型与辅助模型之间的互补模型间扰动迫使一致性形成互补一致性。两个辅助模型获得的互补信息帮助主模型有效聚焦于模糊区域，同时强制模型间一致性有利于获得低不确定性的决策边界。CC-Net在两个公开数据集上进行了验证。在特定比例标签数据的情况下，与当前先进算法相比，CC-Net具有最佳的半监督分割性能。我们的代码公开于 https://github.com/Cuthbert-Huang/CC-Net。
引用
@article{arxiv.2210.01438,
title = {Complementary consistency semi-supervised learning for 3D left atrial image segmentation},
author = {Hejun Huang and Zuguo Chen and Chaoyang Chen and Ming Lu and Ying Zou},
journal= {arXiv preprint arXiv:2210.01438},
year = {2023}
}