利用摘要统计和弱监督学习分割
计算机视觉与模式识别
2026-05-06 v1 机器学习
摘要
医学专家通常手动分割图像以获取诊断统计信息并丢弃结果的注释。在本工作中，我们旨在受限于保留的摘要统计信息(例如，标注区域的面积)训练分割模型以减轻此负担。但经验结果表明，仅凭统计信息对此任务不够，添加以少量像素形式的弱信息作为感兴趣区域内的 few pixels 显著改善了性能。我们使用一种 novel 损失函数，将图像重建质量、与摘要统计匹配以及预测前景与弱监督信号之间的重叠三个术语组合在一起。实验在 standard 图像、乳腺癌超声和 computed tomography(CT)扫描(肾瘤)数据上 demonstrate 该方法的实用性和潜力。
引用
@article{arxiv.2605.03059,
title = {Learning to Segment using Summary Statistics and Weak Supervision},
author = {Omkar Kulkarni and Edward Raff and Tim Oates},
journal= {arXiv preprint arXiv:2605.03059},
year = {2026}
}
备注
5 pages, 2 figures, 1 table