面向数据高效医学影像：一种生成式和半监督框架
计算机视觉与模式识别
2025-10-08 v1
摘要
医学影像中的深度学习常因稀缺且不平衡的标注数据而受限。我们提出 SSGNet，一个统一框架，将特定类的生成式建模与迭代半监督伪标签相结合，以提升分类和分割性能。SSGNet 不功能于独立模型，而是通过扩充训练数据（使用 StyleGAN3 生成图像）和通过迭代伪标签来细化标签，从而增强现有基线模型。跨多个医学影像基准的实验表明，分类和分割性能均取得一致提升，而 Fréchet 感知距离分析也确认生成样本的高质量。这一结果凸显了 SSGNet 作为缓解标注瓶颈并提高医学图像分析鲁棒性的实用策略。
引用
@article{arxiv.2510.06123,
title = {Towards Data-Efficient Medical Imaging: A Generative and Semi-Supervised Framework},
author = {Mosong Ma and Tania Stathaki and Michalis Lazarou},
journal= {arXiv preprint arXiv:2510.06123},
year = {2025}
}
备注
Accepted at BMVC2025