Duo-SegNet：用于半监督医学图像分割的对抗性双视图
计算机视觉与模式识别
2021-08-26 v1
摘要
图像分割是医疗人工智能领域的一项长期挑战。这主要是因为训练神经网络进行图像分割需要大量像素级标注数据，而这通常是难以获取的。为了解决这一问题，我们提出了一种基于多视图学习概念的半监督图像分割技术。与先前的工作不同，我们引入了一种对抗形式的双视图训练，并采用一个评判器将多视图训练中的学习问题表述为一个极小极大问题。在多个数据集上进行的详尽定量与定性评估表明，我们提出的方法持续且轻松地优于最先进的医学图像分割算法。代码已公开于 https://github.com/himashi92/Duo-SegNet
引用
@article{arxiv.2108.11154,
title = {Duo-SegNet: Adversarial Dual-Views for Semi-Supervised Medical Image Segmentation},
author = {Himashi Peiris and Zhaolin Chen and Gary Egan and Mehrtash Harandi},
journal= {arXiv preprint arXiv:2108.11154},
year = {2021}
}