Tyche:用于医学图像分割的随机上下文学习
原文中文,约500字,阅读约需2分钟。发表于: 。现有的基于学习的医学图像分割解决方案存在两个重要缺点:首先,对于大多数新的分割任务,需要训练或微调新模型,这需要大量资源和机器学习专业知识,因此往往对医学研究人员和临床医生来说是不可行的;其次,大多数现有的分割方法对于给定图像只产生单一的确定性分割掩码,然而在实践中,关于何为正确分割常常存在较大的不确定性,并且不同的专家标注者通常会对同一图像进行不同的分割。我们通过 Tyche...
现有的基于学习的医学图像分割解决方案存在两个问题:需要大量资源和机器学习专业知识,以及只产生单一的确定性分割掩码。Tyche模型通过上下文集合生成概率性预测,无需重新训练。它引入了交互卷积块架构和上下文测试时间增强机制,可以为新的医学图像和分割任务预测一组合理可信的多样化分割候选结果。