基于多任务注意力的半监督医学图像分割
计算机视觉与模式识别
2019-07-30 v1
摘要
我们提出了一种新颖的半监督图像分割方法，该方法同时优化有监督分割目标与无监督重建目标。重建目标使用一种注意力机制，将对应于不同类别的图像区域的重建分离开来。所提方法在两个应用上进行了评估：脑肿瘤与白质高信号分割。我们的方法在未经标注及少量标注图像上训练，优于使用相同数量图像训练的有监督 CNN 以及在无标注数据上预训练的 CNN。在消融实验中，我们观察到所提注意力机制显著提升了分割性能。我们探索了两种多任务训练策略：联合训练与交替训练。交替训练需要更少的超参数，并比联合训练取得更好、更稳定的性能。最后，我们分析了不同方法学到的特征，发现注意力机制有助于在编码器更深层学习更具判别性的特征。
引用
@article{arxiv.1907.12303,
title = {Multi-Task Attention-Based Semi-Supervised Learning for Medical Image Segmentation},
author = {Shuai Chen and Gerda Bortsova and Antonio Garcia-Uceda Juarez and Gijs van Tulder and Marleen de Bruijne},
journal= {arXiv preprint arXiv:1907.12303},
year = {2019}
}
备注
Accepted at MICCAI 2019