基于深度极端点追踪的超声图像分割方法 DEPT
计算机视觉与模式识别
2025-03-20 v1
摘要
自动医学图像分割在计算机辅助诊断中发挥着关键作用。然而，完全监督学习方法往往需要大量和耗时的标注工作。为解决这一挑战，针对极端点作为监督信号的弱监督学习方法具有潜在的有效解决方案。在本文中，我们提出了将深度极端点追踪 (DEPT) 集成到特征导向极端点掩码 (FGEPM) 算法中的方法，用于超声图像分割。值得注意的是，我们的方法通过识别连接所有极端点的最低成本路径来生成伪标签。此外，提出了一种迭代训练策略，以逐步细化伪标签，实现网络的持续改进。在两个公开数据集上的实验结果表明，我们提出的方法有效。该方法的性能接近完全监督方法，并优于多个现有弱监督方法。
引用
@article{arxiv.2503.15260,
title = {DEPT: Deep Extreme Point Tracing for Ultrasound Image Segmentation},
author = {Lei Shi and Xi Fang and Naiyu Wang and Junxing Zhang},
journal= {arXiv preprint arXiv:2503.15260},
year = {2025}
}