有限监督下的医学图像分割：深度网络模型综述
计算机视觉与模式识别
2021-03-02 v1 机器学习
摘要
尽管深度学习方法在各种任务上表现卓越，多数前沿模型严重依赖大规模标注训练样本，而这类样本在临床与医疗任务中往往难以获取。医学图像的标注成本极高，尤其在医学图像分割中，通常需要进行密集的像素/体素级标注。因此，从有限监督（包括少量标注、稀疏标注和不精确标注）中学习并泛化的强大能力，对深度学习模型在医学图像分割中的成功应用至关重要。然而，由于其内在难度，有限监督下的分割具有挑战性，且需要特定的模型设计和/或学习策略。本文对上述方案进行系统且最新的综述，并对方法论给出总结与评论。我们还强调了该领域的若干问题，探讨了有待进一步研究的未来方向。
引用
@article{arxiv.2103.00429,
title = {Medical Image Segmentation with Limited Supervision: A Review of Deep Network Models},
author = {Jialin Peng and Ye Wang},
journal= {arXiv preprint arXiv:2103.00429},
year = {2021}
}