MS-KD：基于多组二值标注数据集的多器官分割
计算机视觉与模式识别
2021-08-06 v1
摘要
在 3D 医学图像中标注多个器官耗时且昂贵。与此同时，存在许多仅标注了某一特定器官的单器官数据集。本文研究如何利用一组二值标注数据集学习多器官分割模型。提出一种新颖的多教师单学生知识蒸馏（MS-KD）框架，其中教师模型为预训练的单器官分割网络，学生模型为多器官分割网络。考虑到每位教师关注不同器官，提出一种基于区域的监督方法，由 logits 级监督与特征级监督组成。每位教师在两个区域监督学生：其作为专家的器官区域，以及所有教师达成一致的区域。在三个公开单器官数据集和一个多器官数据集上的大量实验证明了所提 MS-KD 框架的有效性。
引用
@article{arxiv.2108.02559,
title = {MS-KD: Multi-Organ Segmentation with Multiple Binary-Labeled Datasets},
author = {Shixiang Feng and Yuhang Zhou and Xiaoman Zhang and Ya Zhang and Yanfeng Wang},
journal= {arXiv preprint arXiv:2108.02559},
year = {2021}
}