一种用于自动化 3D 医学图像分割的动态交互学习框架
原文中文，约500字，阅读约需2分钟。发表于：。基于深度学习的医学图像自动分割系统面临大量数据标注成本和模型迭代中的高延迟问题，本研究提出了一种动态交互学习框架，通过将交互式分割与端到端弱监督学习和流式任务集成，解决了这些挑战。我们开发了新颖的重放和标签平滑方案，克服了灾难性遗忘并提高了在线学习的鲁棒性，并在每个图像上同时优化前端预测和深度学习分段器的多轮交互式分割模块。通过空间残差图，我们训练的分段器明确地指导下一步的用户干预，从而实现...
本研究提出了一种动态交互学习框架，通过集成交互式分割、弱监督学习和流式任务，解决了医学图像自动分割系统的挑战。通过新颖的重放和标签平滑方案，克服了灾难性遗忘并提高了在线学习的鲁棒性。该框架在三维分割任务上的评估证明了其性能和竞争力。此外，该框架可在医院防火墙后部署，保证数据安全和简便维护。
