基于测试时增强的主动学习与自训练的高效标签分割
原文中文，约700字，阅读约需2分钟。发表于：。深度学习技术依赖于大规模数据集，其注释非常耗时。为了减轻注释负担，已经开发了自训练（ST）和主动学习（AL）方法，以及将它们以迭代方式结合的方法。然而，尚不清楚每种方法最有用的时间以及在何时结合它们是有优势的。本文提出了一种新的方法，它使用测试时增强（TTA）将 ST 与 AL 相结合。首先，在初始教师网络上进行 TTA。然后，根据最低估计的 Dice...
本文介绍了一种新方法，将自训练和主动学习相结合，使用测试时增强。实验结果表明，自训练对MRI胎体和胎盘分割任务非常有效，提高了ID和OOD数据的性能。然而，当自训练与主动学习结合时，对单序列胎体分割的性能有所改进，但对ID数据的多序列胎盘分割性能略有下降。在胎体分割序列转移方面，将主动学习与自训练结合在自训练迭代后，只使用6个原始扫描和2个新序列扫描就可以获得较高的Dice系数。
