支持 - 查询原型融合网络用于少样本医学图像分割
原文中文,约600字,阅读约需2分钟。发表于: 。近年来,基于卷积神经网络的深度学习在许多应用中取得了显著的成功。然而,它们对大量标注数据的依赖以及对未知类别的有限泛化能力对于医学图像处理任务来说是一个挑战。少样本学习利用少量标注数据进行泛化到未知类别的能力已经成为一个关键性的研究领域,吸引了大量关注。目前,大多数研究采用基于原型的方法,即利用原型网络从支持集构建原型,引导查询集的处理以获得最终结果。虽然这种方法是有效的,但它过于依赖支持集...
近年来,基于卷积神经网络的深度学习在医学图像处理任务中取得了显著成功。然而,对大量标注数据的依赖和对未知类别的有限泛化能力是一个挑战。为了解决这个问题,研究者提出了一种新的支持-查询原型融合网络(SQPFNet),通过生成支持原型和查询原型来提高模型的性能。评估结果显示,SQPFNet在两个公共数据集上实现了最先进的性能。