FRCNet：用于半监督医学图像分割的频率与区域一致性
计算机视觉与模式识别
2024-05-28 v1
摘要
有限的标注数据阻碍了深度学习在医学领域的应用。在临床实践中，存在大量未得到有效利用的无标注数据，而半监督学习(SSL)是利用这些无标注数据的一种有前景的方法。然而，现有的SSL方法忽略了频域和区域级信息，而这对于位于低频且尺度变化显著的病灶区域至关重要。在本文中，我们引入了两种用于半监督医学图像分割的一致性正则化策略，包括辅助频域特征学习的频域一致性(FDC)和执行多尺度区域级局部上下文信息特征学习的多粒度区域相似性一致性(MRSC)。借助所提出的FDC和MRSC，我们可以有效且高效地利用它们强大的特征表示能力。我们在两个数据集上进行了全面的实验，结果表明我们的方法取得了较大的性能提升，并超越了其他最先进的方法。
引用
@article{arxiv.2405.16573,
title = {FRCNet Frequency and Region Consistency for Semi-supervised Medical Image Segmentation},
author = {Along He and Tao Li and Yanlin Wu and Ke Zou and Huazhu Fu},
journal= {arXiv preprint arXiv:2405.16573},
year = {2024}
}
备注
MICCAI 2024 Early Accept