用于半监督医学图像分割的双重结构感知图像滤波
计算机视觉与模式识别
2024-03-28 v2
摘要
半监督图像分割近期引起了广泛关注。其关键在于如何在训练过程中利用未标注图像。大多数方法在图像和/或模型层面通过引入变化（例如添加噪声/扰动或创建替代版本）来维持未标注图像预测的一致性。在大多数图像层面的变化中，医学图像通常包含先验结构信息，而这一点尚未得到充分探索。本文提出了一种新颖的双重结构感知图像滤波作为半监督医学图像分割的图像层变化。受连通滤波通过在结构感知的树状图像表示中进行滤波以简化图像的启发，我们采用对偶对比不变的 Max-tree 与 Min-tree 表示。具体而言，我们提出了一种新颖的连通滤波，移除 Max/Min-tree 中无兄弟节点的拓扑等价节点（即连通分量）。这产生了两幅保留拓扑关键结构的滤波图像。将所提 DSAIF 应用于相互监督网络，降低了它们在未标注图像上错误预测的共识。这有助于缓解对未标注图像噪声伪标签过拟合的确认偏差问题，从而有效提升分割性能。在三个基准数据集上的大量实验结果表明，所提方法显著且一致地优于一些 SOTA 方法。源代码将公开发布。
引用
@article{arxiv.2312.07264,
title = {Dual Structure-Aware Image Filterings for Semi-supervised Medical Image Segmentation},
author = {Yuliang Gu and Zhichao Sun and Tian Chen and Xin Xiao and Yepeng Liu and Yongchao Xu and Laurent Najman},
journal= {arXiv preprint arXiv:2312.07264},
year = {2024}
}