面向医学图像的形状感知半监督三维语义分割
计算机视觉与模式识别
2020-10-22 v1
摘要
由于获取像素级图像标注面临挑战，半监督学习在医学图像分割中备受关注，而这是构建高性能深度学习方法的 crucial 步骤。大多数现有的半监督分割方法要么倾向于忽略目标分割中的几何约束，导致目标覆盖不完整，要么施加需要额外对齐的强形状先验。在本工作中，我们提出一种新颖的形状感知半监督分割策略，以利用大量无标注数据并对分割输出施加几何形状约束。为此，我们开发了一个多任务深度网络，联合预测目标表面的语义分割和有符号距离图（SDM）。在训练过程中，我们在有标注和无标注数据的预测 SDM 之间引入对抗损失，使我们的网络能够更有效地捕捉形状感知特征。在 Atrial Segmentation Challenge 数据集上的实验表明，我们的方法以改进的形状估计优于当前最先进的方法，验证了其有效性。代码可在 https://github.com/kleinzcy/SASSnet 获取。
引用
@article{arxiv.2007.10732,
title = {Shape-aware Semi-supervised 3D Semantic Segmentation for Medical Images},
author = {Shuailin Li and Chuyu Zhang and Xuming He},
journal= {arXiv preprint arXiv:2007.10732},
year = {2020}
}
备注
Appear in MICCAI2020