用于半监督医学图像分割的交叉对抗局部分布正则化
图像与视频处理
2023-10-03 v1 计算机视觉与模式识别
摘要
医学半监督分割是一种利用有限标注数据训练模型以分割医学图像中感兴趣物体的技术。现有的半监督分割方法通常基于平滑性假设。该假设意味着鼓励两个相似数据样本的模型输出分布保持不变。换言之，平滑性假设指出相似样本（例如对图像添加小扰动）应具有相似输出。在本文中，我们引入了一种新颖的交叉对抗局部分布（Cross-ALD）正则化，以进一步增强半监督医学图像分割任务的平滑性假设。我们进行了全面的实验，表明 Cross-ALD 在公开 LA 和 ACDC 数据集上相对于许多近期方法取得了最先进的性能。
引用
@article{arxiv.2310.01176,
title = {Cross-adversarial local distribution regularization for semi-supervised medical image segmentation},
author = {Thanh Nguyen-Duc and Trung Le and Roland Bammer and He Zhao and Jianfei Cai and Dinh Phung},
journal= {arXiv preprint arXiv:2310.01176},
year = {2023}
}
备注
MICCAI 2023