SuperCL：用于医学图像分割预训练的超像素引导对比学习

本研究针对医学图像分割中缺乏高质量标注数据的问题，提出了一种新的对比学习方法SuperCL。该方法通过引入局部和全局对比对生成策略，结合超像素图来生成伪标记，从而有效利用图像的结构信息。实验结果表明，SuperCL在多个医学图像数据集上的表现优于现有的十二种方法，显著提高了分割精度。

本研究提出了一种新的对比学习方法SuperCL，旨在解决医学图像分割中高质量标注数据不足的问题。通过局部和全局对比生成伪标记，SuperCL在多个数据集上超越现有方法，显著提升分割精度。

SuperCL 伪标记 分割 医学图像 对比学习
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友