一种证据增强的三支一致性学习方法用于半监督医学图像分割
原文约100字，阅读约需1分钟。发表于：。介绍了一种基于 Evidential Tri-Branch Consistency 学习框架（ETC-Net）的半监督医学图像分割方法，通过三个分支来解决预测多样性和训练稳定性，并结合来自证据学习的不确定性估计来抑制错误监督信号的负面影响，实验结果表明 ETC-Net 在多个数据集上超越了其他最先进的半监督分割方法。
本文介绍了一种基于ETC-Net的半监督医学图像分割方法，通过三个分支解决预测多样性和训练稳定性，并利用不确定性估计抑制错误监督信号的负面影响。实验结果显示ETC-Net在多个数据集上超越了其他半监督分割方法。
