自我监督少样本学习的连续最大流增强在 SPECT 左心室中的应用
原文中文，约300字，阅读约需1分钟。发表于：。提供了一种方法来自动分割心肌，并在小型和低质量标签的重新重建 SPECT 恢复的视野体积上使用连续最大流算法和先验形状信息来增强 3D U-Net 自监督学习方法，实验结果显示，在高噪声 SPECT 心脏数据集上，基于先前的最先进解决方案，定量指标有了 5-10% 的增长，为解决少样本自监督学习问题提供了可行的方法。
该研究提出了一种使用连续最大流算法和先验形状信息来增强3D U-Net自监督学习方法的自动分割心肌的方法。实验结果显示，在高噪声SPECT心脏数据集上，定量指标有了5-10%的增长，为解决少样本自监督学习问题提供了可行的方法。
