基于凝视标注的弱监督医学图像分割
光学
2024-07-11 v1 天体物理仪器与方法
摘要
眼动凝视揭示了人类观察模式，近年来已被越来越多地应用于视觉任务。尽管近期探索了利用凝视辅助深度网络的方式，但鲜有研究利用凝视作为医学图像分割的高效标注方法，而医学图像分割通常需要大量标注工作。本文提出了一种利用凝视标注方案为医学图像分割收集稠密弱监督的方法。为适应凝 gaze，我们提出了多层次框架，通过对凝 gaze 热图应用分层阈值生成一组仿射掩码，从而从 discriminative 人类注意力出发训练多个网络。此外，为缓解凝 gaze 噪声，我们利用跨层次一致性来正则化过拟合噪声标签，引导模型学习来自同伴网络的干净模式。该方法在两类公开医学数据集上进行验证，分别针对结肠息肉和前列腺分割任务。我们贡献了一个高质量的凝 gaze 数据集，命名为 GazeMedSeg，以扩展流行的医学图像分割数据集。据我们了解，这是首个用于医学图像分割的凝 gaze 数据集。我们的实验表明，凝 gaze 标注在性能和标注时间方面均优于以往的标签高效标注方案。我们收集的凝 gaze 数据和代码已提供于：https://github.com/med-air/GazeMedSeg。
引用
@article{arxiv.2407.07405,
title = {Targeting low micro-roughness for 3D printed aluminium mirrors using a hot isostatic press},
author = {Carolyn Atkins and Younes Chahid and Gregory Lister and Rhys Tuck and Richard Kotlewski and Robert M. Snell and Elaine R. Livera and Mariam Faour and Iain Todd and Robert Deffley and James Shipley and Tom Walsh and Johannes Gardstam and Cyril Bourgenot and Paul White and Spencer Davies and Samuel Tammas-Williams},
journal= {arXiv preprint arXiv:2407.07405},
year = {2024}
}
备注
14 pages, 8 figures, submitted to SPIE Astronomical Telescopes & Instrumentation, Advances in Optical and Mechanical Technologies for Telescopes and Instrumentation VI (Conference 13100, Paper 141)