重新思考标注模拟：全身 PET 病灶交互分割方法的实际评估
原文中文，约500字，阅读约需1分钟。发表于：。通过引入四个评估度量值来量化真实用户和模拟用户之间的转换，我们提出一种更逼真的机器人用户，通过考虑点击变异和标注者之间的不一致性来减小模拟与真实用户之间的差距，并通过一个具体案例表明这种机器人用户相比传统机器人用户能够持续减少模拟与真实用户之间的转换差距，从而在同时保持真实用户研究的准确性的情况下，能够更大规模、更节约成本地评估交互分割模型。
本研究提出了一种动态交互学习框架，通过将交互式分割与弱监督学习和流式任务集成，解决了医学图像自动分割系统的挑战。该框架减少了标注工作量，并生成了具有竞争力的结果。此外，该框架可以在医院防火墙之后部署。
