SSASS：用于狭窄分割的半监督方法
计算机视觉与模式识别
2023-11-20 v1
摘要
冠状动脉狭窄是一项关键的健康风险，在冠状动脉造影（CAG）中精确识别它可极大帮助医疗从业者准确评估患者病情的严重程度。冠状动脉结构的复杂性加之X射线图像固有的噪声，给该任务带来了相当大的挑战。为应对这些障碍，我们提出了一种用于心血管狭窄分割的半监督方法。我们的策略始于数据增强，专门设计以复现冠状动脉的结构特征。随后我们应用基于伪标签的半监督学习技术，利用通过增强过程所生成的数据。令人印象深刻的是，我们的方法在基于X射线血管造影图像的自动区域冠状动脉疾病诊断（ARCADE）狭窄检测算法挑战赛中表现出色，仅使用单一模型而非依赖多个模型的集成。这一成功凸显了我们的方法在从医学影像数据自动评估狭窄严重程度方面提供自动化解决方案的能力与效率。
引用
@article{arxiv.2311.10281,
title = {SSASS: Semi-Supervised Approach for Stenosis Segmentation},
author = {In Kyu Lee and Junsup Shin and Yong-Hee Lee and Jonghoe Ku and Hyun-Woo Kim},
journal= {arXiv preprint arXiv:2311.10281},
year = {2023}
}
备注
MICCAI 2023 Conference ARCADE Challenge