ScribblePolyp：基于双重一致性对齐的涂鸦监督息肉分割
计算机视觉与模式识别
2023-11-10 v1
摘要
自动息肉分割模型在胃肠道疾病的临床诊断中起着关键作用。在以往的研究中，大多数方法依赖于全监督方法，需要像素级标注用于模型训练。然而，像素级标注的创建既昂贵又耗时，阻碍了模型泛化能力的发展。为应对这一挑战，我们提出了 ScribblePolyp，一种新颖的涂鸦监督息肉分割框架。与全监督模型不同，ScribblePolyp 每张图像仅需标注两条线（涂鸦标签），显著降低了标注成本。尽管涂鸦标签较为粗糙，使大量像素未被标注，我们提出了一种双分支一致性对齐方法，为这些未标注像素提供监督。第一分支采用变换一致性对齐，缩小同一输入图像不同变换下预测之间的差距。第二分支利用亲和传播将预测细化为软版本，向未标注像素扩展额外监督。总之，ScribblePolyp 是一种高效模型，在训练过程中不依赖教师模型或滑动平均伪标签。在 SUN-SEG 数据集上的大量实验证明了 ScribblePolyp 的有效性，其 Dice 分数达到 0.8155，且通过简单的自训练策略有望将 Dice 分数提升 1.8%。
引用
@article{arxiv.2311.05122,
title = {ScribblePolyp: Scribble-Supervised Polyp Segmentation through Dual Consistency Alignment},
author = {Zixun Zhang and Yuncheng Jiang and Jun Wei and Hannah Cui and Zhen Li},
journal= {arXiv preprint arXiv:2311.05122},
year = {2023}
}
备注
Accepted by BIBM 2023