基于查询分布一致性的半监督医学图像分割
计算机视觉与模式识别
2024-08-19 v1
摘要
半监督学习因能利用大量无标签数据提取额外信息，在医学图像分割中日益流行。然而，大多数现有半监督分割方法仅关注从无标签数据中提取信息。本文提出一种新颖的 Dual KMax UX-Net 框架，利用有标签数据引导从无标签数据中提取信息。我们的方法基于互学习策略，包含 two 个模块：3D UX-Net 作为骨干元架构，以及 KMax 解码器以增强分割性能。在 Atrial Segmentation Challenge 数据集上的大量实验表明，我们的方法可通过合并无标签数据显著提升性能。同时，我们的框架在 10% 和 20% 有标签设定下优于最先进的半监督学习方法。代码位于：https://github.com/Rows21/DK-UXNet。
引用
@article{arxiv.2311.12364,
title = {Semi-supervised Medical Image Segmentation via Query Distribution Consistency},
author = {Rong Wu and Dehua Li and Cong Zhang},
journal= {arXiv preprint arXiv:2311.12364},
year = {2024}
}
备注
Submitted to IEEE ISBI 2024