通过草图标注和形状先验进行体积医学图像分割
原文中文,约300字,阅读约需1分钟。发表于: 。本文提出了 Scribble2D5,一种基于涂鸦的体积图像分割方法,旨在改善 3D 异向图像分割和边界预测。通过引入标签传播模块,扩展了涂鸦的语义信息,并使用静态和主动边界预测的组合学习感兴趣区域的边界并规范其形状,与此同时,通过融合未配对分割掩码的形状先验信息进一步提高模型的准确性。通过在三个公开数据集和一个私有数据集上的广泛实验,证明了 Scribble2D5...
本文介绍了一种基于涂鸦的体积图像分割方法Scribble2D5,通过引入标签传播模块和形状先验信息,提高了模型的准确性和边界预测能力。在多个数据集上的实验表明,该方法在体积图像分割方面取得了最先进的性能。