BriefGPT - AI 论文速递
·
UPL-SFDA：医学图像分割的有关不确定性的伪标签引导的无监督域适应
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种基于不确定性伪标签引导的医学图像分割方法，通过前向传递监督和目标领域增长提高准确性和多样性。实验结果表明，该方法平均提高了Dice系数5.54％，5.01％和6.89％。
🎯
关键要点
-
提出了一种基于不确定性伪标签引导的医学图像分割方法。
-
该方法通过目标领域增长和两次前向传递监督提高准确性和多样性。
-
实验结果显示，方法在三个任务中平均提高了Dice系数5.54％、5.01％和6.89％。
-
该方法旨在获得可靠的伪标签并进一步优化自适应性。
➡️
