使用简单临床标注的非对称学习进行超声结节分割
原文中文,约400字,阅读约需1分钟。发表于: 。本研究提出了一种基于简单的长宽比批注的自动结节分割方法,并通过扩展长宽比批注标签,采用两种类型的伪标签训练两个不对称分割网络,结合保守和激进标签采用一种平衡策略,同时引入了一种动态混合伪标签监督模块以解决过分割和欠分割问题。此外,为了进一步利用临床批注提供的空间先验知识,本研究还提出了一种新的损失函数,即临床解剖先验损失。在甲状腺和乳房的两个临床采集的超声数据集上的广泛实验表明,我们提出的方...
本研究提出了一种无监督领域适应方法,用于自动生成乳腺超声成像中乳腺病变感兴趣区域(ROIs)的图像掩膜。该方法通过迭代改进生成私人未标记乳腺超声数据集的伪掩膜,提高了分类模型的解释性和诊断效果。初步研究结果证明了该方法的效果和可靠性。