SegMatch：一种用于手术器械分割的半监督学习方法
计算机视觉与模式识别
2025-05-23 v2 机器学习
摘要
手术器械分割被认为是提供高级手术辅助和改善计算机辅助介入的关键使能技术。在本工作中，我们提出 SegMatch，一种半监督学习方法，以降低腹腔镜和机器人手术图像对昂贵标注的需求。SegMatch 建立在 FixMatch 之上，FixMatch 是一种结合一致性正则化与伪标签的广泛使用的半监督分类流程，并将其适配于分割任务。在我们提出的 SegMatch 中，未标注图像首先经过弱增强并输入分割模型以生成伪标签。同时，图像被输入强增强分支，分支间的一致性被用作无监督损失。为提高强增强的相关性，我们摒弃仅使用手工增强的方式，引入一种可训练的对抗增强策略。我们针对分割任务对 FixMatch 的适配进一步包括仔细考量所依赖增强函数的等变与不变性质。对于二分类分割任务，我们的算法在 MICCAI Instrument Segmentation Challenge 数据集、Robust-MIS 2019 和 EndoVis 2017 上进行了评估。对于多类分割任务，我们依赖于近期的 CholecInstanceSeg 数据集。我们的结果表明，SegMatch 通过引入未标注数据优于全监督方法，并在不同标注与未标注数据比例下超越了一系列最先进的半监督模型。
引用
@article{arxiv.2308.05232,
title = {SegMatch: A semi-supervised learning method for surgical instrument segmentation},
author = {Meng Wei and Charlie Budd and Luis C. Garcia-Peraza-Herrera and Reuben Dorent and Miaojing Shi and Tom Vercauteren},
journal= {arXiv preprint arXiv:2308.05232},
year = {2025}
}
备注
Published, 19 pages, 8 figures