通过知识挖掘大模型进行半监督医学图像分割

本研究针对医学图像分割中标注数据稀缺的挑战，提出了一种知识挖掘策略，利用大型视觉模型SAM的广泛知识来提高小型深度学习模型的性能。研究发现，该方法通过将SAM在未标注图像上的输出转化为“伪标签”，显著提升了用U-Net++模型在有限标注数据上进行训练的效果，验证了知识挖掘在专业模型中的潜在应用价值。

本研究提出了一种知识挖掘策略，利用大型视觉模型SAM的知识，提升小型深度学习模型在医学图像分割中的性能。通过将SAM在未标注图像上的输出转化为“伪标签”，显著改善了U-Net++模型的训练效果，验证了知识挖掘的应用价值。

U-Net++ 伪标签 医学图像 半监督 大模型 知识挖掘 视觉模型
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友