用于卒中诊断的断层图像的弱监督语义分割
图像与视频处理
2021-12-22 v1 计算机视觉与模式识别
机器学习
摘要
本文提出一种在非增强计算机断层扫描脑图像上分割急性卒中受累区域的自动算法。所提算法针对弱监督场景下的学习而设计，其中部分图像标注准确，部分图像标注不准确。错误标注源于放射科医师在手动标注计算机断层扫描图像过程中的误差。我们提出了在训练数据标注不准确情况下解决分割问题的方法。我们采用了经过若干修改的 U-Net 神经网络架构。在真实计算机断层扫描图像上的实验表明，所提方法提升了分割精度。
引用
@article{arxiv.2109.01887,
title = {Weakly supervised semantic segmentation of tomographic images in the diagnosis of stroke},
author = {Anna Dobshik and Andrey Tulupov and Vladimir Berikov},
journal= {arXiv preprint arXiv:2109.01887},
year = {2021}
}
备注
6 pages, 3 figures, 1 table