用于少样本弱监督医学图像分割的元学习器

元学习在视觉识别中的大多数应用常用于图像分类，而在分割和检测等其他任务上的工作相对缺乏。我们提出一个用于医学影像领域少样本弱监督分割的通用元学习框架。我们对来自不同范式的元学习器在多种稀疏标注放射学任务中适配少样本图像分割进行了比较分析。成像模态包括 2D 胸部、乳腺钼靶和牙科 X 射线，以及体积断层扫描和共振图像的 2D 切片。我们的实验考虑了共 9 种元学习器、4 种骨干网络和多个目标器官分割任务。我们探索了具有不同弱标注风格与密度的放射学小数据场景。我们的分析表明，基于度量的元学习方法在与元训练数据集领域偏移较小的任务中取得更好的分割结果，而一些基于梯度和融合的元学习器对较大领域偏移具有更好的泛化能力。