基于边缘引导变换与含噪地标精炼的一次性医学地标定位
核理论
2022-08-02 v1
摘要
作为许多医学应用的重要上游任务，有监督地标定位仍需不可忽略的标注成本以实现理想性能。此外，由于繁琐的收集流程，医学地标数据集规模有限，影响了大规模自监督预训练方法的有效性。为应对这些挑战，我们提出一种用于一次性医学地标定位的两阶段框架，其首先通过从无标注目标到已标注样本的无监督配准推断地标，然后利用这些含噪伪标签训练鲁棒检测器。为处理显著的结构变异，我们在融合边缘信息的新颖损失函数引导下，学习一个端到端的全局对齐与局部形变级联。在第二阶段，我们探索用于筛选可靠伪标签的自一致性，以及用于半监督学习的跨一致性。我们的方法在不同身体部位的公开数据集上取得了最先进性能，证明了其通用适用性。
引用
@article{arxiv.2208.00452,
title = {Possible Enhancements of Collective Flow Anisotropy Induced by Uncertainty Relation for Fluid Element},
author = {G. G. Matos and T. Koide and T. Kodama},
journal= {arXiv preprint arXiv:2208.00452},
year = {2022}
}