SimPLe：用于 DCE-MRI 中弱监督乳腺癌分割的相似性感知传播学习
图像与视频处理
2023-06-30 v1 计算机视觉与模式识别
摘要
乳腺动态对比增强磁共振成像（DCE-MRI）在高危乳腺癌的筛查与预后评估中起着重要作用。癌区域的分割对后续乳腺 MRI 分析至关重要。为减轻训练分割网络的标注负担，我们提出一种以极值点作为标注的弱监督策略用于乳腺癌分割。不加任何额外技巧，我们的策略侧重于充分挖掘常规训练流程（即训练-微调-重训练过程）的学习能力。网络首先利用极值点生成的伪掩码通过最小化对比损失训练自身，促使网络学习更具代表性的癌体素特征。随后，训练好的网络通过使用相似性感知传播学习（SimPLe）策略进行微调，该策略利用未标注与正体素间的特征相似性传播标签。最后，网络使用先前微调网络生成的伪掩码重新训练自身。所提方法在我们收集的包含 206 名活检证实乳腺癌患者的 DCE-MRI 数据集上进行了评估。实验结果表明，我们的方法通过 SimPLe 策略有效微调网络，并取得了 81% 的平均 Dice 值。
引用
@article{arxiv.2306.16714,
title = {SimPLe: Similarity-Aware Propagation Learning for Weakly-Supervised Breast Cancer Segmentation in DCE-MRI},
author = {Yuming Zhong and Yi Wang},
journal= {arXiv preprint arXiv:2306.16714},
year = {2023}
}