用于医学图像分割的尺寸感知跨形状涂鸦监督
计算机视觉与模式识别
2024-08-27 v1
摘要
涂鸦监督是一种常见的弱监督学习形式，涉及使用手绘曲线标注像素，这有助于降低人工标注的成本。该技术已广泛应用于医学图像分割任务中，以加速网络训练。然而，涂鸦监督在样本间的标注一致性以及全面真实信息的可用性方面存在局限性。此外，它通常需要应对适应不同尺度目标的挑战，特别是在医学图像背景下。在本文中，我们提出了三种新颖的方法来克服这些挑战，即：1）跨形状涂鸦标注方法；2）基于跨形状的伪掩膜方法；以及3）尺寸感知多分支方法。我们深入研究了参数和结构设计。实验结果表明，所提出的方法在多个息肉数据集上的mDice分数取得了显著提升。值得注意的是，这些方法的组合性能优于为医学图像分割设计的最先进的涂鸦监督方法。
引用
@article{arxiv.2408.13639,
title = {Size Aware Cross-shape Scribble Supervision for Medical Image Segmentation},
author = {Jing Yuan and Tania Stathaki},
journal= {arXiv preprint arXiv:2408.13639},
year = {2024}
}