用于前列腺三维MR图像分割的半监督与自监督协同学习
计算机视觉与模式识别
2022-11-17 v1
摘要
体积磁共振（MR）图像分割在许多临床应用中起着重要作用。深度学习（DL）近期在各种图像分割任务上达到了最优甚至人类水平的性能。然而，为DL模型训练手动标注体积MR图像费力且耗时。在本工作中，我们旨在训练一个半监督与自监督协同学习框架用于前列腺三维MR图像分割，同时使用极稀疏标注，即仅对每张体积MR图像的中心切片提供真值标注。具体而言，半监督学习与自监督学习方法用于生成两组独立的伪标签。随后通过布尔运算融合这些伪标签以提取更可信的伪标签集。带有手动或网络自生成标签的图像随后被用于训练分割模型以提取目标体积。在公开可用前列腺MR图像数据集上的实验结果表明，尽管所需标注工作量显著更少，我们的框架仍生成了非常令人鼓舞的分割结果。所提框架在难以获得密集标注训练数据的临床应用中非常有用。
引用
@article{arxiv.2211.08840,
title = {Semi-Supervised and Self-Supervised Collaborative Learning for Prostate 3D MR Image Segmentation},
author = {Yousuf Babiker M. Osman and Cheng Li and Weijian Huang and Nazik Elsayed and Zhenzhen Xue and Hairong Zheng and Shanshan Wang},
journal= {arXiv preprint arXiv:2211.08840},
year = {2022}
}