肺超声视频中的弱半监督检测
图像与视频处理
2023-08-10 v1
摘要
训练全监督目标检测模型处理医学视频数据通常需要临床专家逐帧标注边界框。我们提出一种通过视频级标签弱监督来改进医学视频中目标检测的方法。更具体地，我们将个体检测预测聚合成视频级预测，并扩展师生训练策略，通过视频级损失提供额外监督。我们还对底层师生框架进行了改进，包括基于弱监督提升伪标签质量的方法，以及优化学生与教师网络间知识迁移的自适应方案。我们将该方法应用于医学超声视频中检测肺实变（见于COVID-19肺炎等呼吸道感染）这一临床重要任务。实验表明，与基线半监督模型相比，我们的框架提升了检测精度与鲁棒性，并提高了数据与标注的使用效率。
引用
@article{arxiv.2308.04463,
title = {Weakly Semi-Supervised Detection in Lung Ultrasound Videos},
author = {Jiahong Ouyang and Li Chen and Gary Y. Li and Naveen Balaraju and Shubham Patil and Courosh Mehanian and Sourabh Kulhare and Rachel Millin and Kenton W. Gregory and Cynthia R. Gregory and Meihua Zhu and David O. Kessler and Laurie Malia and Almaz Dessie and Joni Rabiner and Di Coneybeare and Bo Shopsin and Andrew Hersh and Cristian Madar and Jeffrey Shupp and Laura S. Johnson and Jacob Avila and Kristin Dwyer and Peter Weimersheimer and Balasundar Raju and Jochen Kruecker and Alvin Chen},
journal= {arXiv preprint arXiv:2308.04463},
year = {2023}
}
备注
IPMI 2023