利用弱到强一致性进行半监督肾小球分割
图像与视频处理
2024-06-26 v1 计算机视觉与模式识别
机器学习
摘要
肾小球实例的精确分割在自动化分析肾活检以辅助诊断和监测肾脏疾病方面具有高度的临床意义。分析现实世界组织病理图像通常涉及组织间变异性，并需要耗时的标注过程。因此，传统的监督学习方法在应用于外部数据集时通常表现次优。鉴于这些挑战，我们提出了一种基于弱到强一致性框架的肾小球分割半监督学习方法，已在多个真实世界数据集上验证。我们的实验结果在 3 个独立数据集上表明，我们的方法优于诸如 U-Net 和 SegFormer 等现有监督基线模型。
引用
@article{arxiv.2406.16900,
title = {Utilizing Weak-to-Strong Consistency for Semi-Supervised Glomeruli Segmentation},
author = {Irina Zhang and Jim Denholm and Azam Hamidinekoo and Oskar Ålund and Christopher Bagnall and Joana Palés Huix and Michal Sulikowski and Ortensia Vito and Arthur Lewis and Robert Unwin and Magnus Soderberg and Nikolay Burlutskiy and Talha Qaiser},
journal= {arXiv preprint arXiv:2406.16900},
year = {2024}
}
备注
accepted to MIDL'24