交互式图像选择与训练用于脑肿瘤分割网络

医学图像分割是近年来备受关注的问题，深度学习技术在其中发挥着重要作用。然而，对于训练大规模模型所需的大量完全标注图像的需求也成为一个问题，尤其是对于那些图像呈现出巨大多样性的应用，诸如脑肿瘤，这类肿瘤可以呈现出不同的大小和形状。在 contrast，一种近期的方法——从图像标记器中学习特征（Feature Learning from Image Markers, FLIM）——通过让专家参与学习过程，产生小型网络，只需少量图像即可训练卷积层。本文我们采用一种基于 FLIM 的交互式方法进行图像选择和训练，探索用户知识的应用。结果表明，我们的方法能够选择少量图像来训练 U 型网络的编码器，获得与人工选择等效的性能，甚至超过使用反向传播和所有训练图像训练的同一 U 型网络。