ProPL：基于提示引导的全半监督超声图像分割
计算机视觉与模式识别
2025-11-20 v1
摘要
现有超声图像分割方法（无论是监督式还是半监督式）通常针对特定解剖结构或任务进行专业化，限制了其在临床应用中的实用性。本文开创性地提出通用半监督超声图像分割任务，并提出 ProPL 框架，可处理多种器官和分割任务，同时利用有标签与无标签数据。ProPL 的核心采用共享视觉编码器搭配提示引导的双解码器，通过提示-解码机制实现灵活的任务适应，并通过不确定性驱动的伪标签校准 (UPLC) 模块实现可靠的自训练。为促进此方向的研究，我们引入了覆盖 5 种器官和 8 种分割任务的综合性超声数据集。广泛实验表明，ProPL 在各种指标上优于最先进的方法，建立了通用超声图像分割的新基准。
引用
@article{arxiv.2511.15057,
title = {ProPL: Universal Semi-Supervised Ultrasound Image Segmentation via Prompt-Guided Pseudo-Labeling},
author = {Yaxiong Chen and Qicong Wang and Chunlei Li and Jingliang Hu and Yilei Shi and Shengwu Xiong and Xiao Xiang Zhu and Lichao Mou},
journal= {arXiv preprint arXiv:2511.15057},
year = {2025}
}
备注
AAAI 2026