增加无标签数据还是标注更多数据？一项关于半监督腹腔镜图像分割的研究

改善半监督图像分割任务可以选择增加更多无标签图像、为无标签图像添加标签或两者结合，因为在大多数临床应用中，图像采集和专家标注都不能被视为轻而易举。我们以腹腔镜肝脏图像分割应用为例，使用基于均值教师学习范式的半监督分割算法，研究改变有标签和无标签训练数据量对性能的影响。我们首先报告了与监督学习相比，分割准确率有显著提高。有趣的是，这一比较揭示，除了增加的无标签数据外，半监督算法中采用的训练策略也是导致这一观察到的改进的原因。然后，我们比较了用于训练半监督分割网络的有标签和无标签数据集大小的不同组合，为这一手术导航应用中两种数据规划策略之间具有实际意义的权衡提供了一个定量示例。