SSMD：基于自适应一致性与异构扰动半监督医学图像检测
计算机视觉与模式识别
2021-06-04 v1
摘要
半监督分类与分割方法已在医学图像分析中广泛研究。这两种方法均可利用额外的无标签数据提升全监督方法的性能。然而，作为一项基础任务，半监督目标检测在医学图像分析领域尚未得到足够关注。本文中，我们提出一种新颖的半监督医学图像检测器（SSMD）。SSMD的动机是通过正则化各位置的预测保持一致，为无标签数据提供免费而有效的监督。为实现上述想法，我们开发了一种新颖的自适应一致性代价函数以正则化预测中的不同组件。此外，我们引入了在特征空间和图像空间中均起作用的异构扰动策略，使得所提检测器有望产生强大的图像表示和鲁棒的预测。大量实验结果表明，所提SSMD在广泛设置下均达到了最先进（state-of-the-art）性能。我们还通过全面的消融研究证明了各提出模块的优势。
引用
@article{arxiv.2106.01544,
title = {SSMD: Semi-Supervised Medical Image Detection with Adaptive Consistency and Heterogeneous Perturbation},
author = {Hong-Yu Zhou and Chengdi Wang and Haofeng Li and Gang Wang and Shu Zhang and Weimin Li and Yizhou Yu},
journal= {arXiv preprint arXiv:2106.01544},
year = {2021}
}
备注
Accepted by Medical Image Analysis