腹部器官和肿瘤分割的迭代半监督学习
原文中文,约500字,阅读约需2分钟。发表于: 。在这项研究中,我们提出了使用半监督学习和迭代伪标签策略来解决 FLARE23 挑战,在通过完整器官注释数据集训练的深度模型 (nn-UNet) 生成伪标签后,在 FLARE23 数据集上,我们的方法在器官分割和肿瘤分割上取得了优秀的结果。
FLARE 2022 Challenge是一个腹部器官分析挑战,旨在评估AI算法的快速、低资源、准确、注释高效和泛化能力强。该挑战从50多个医疗团体构建了一个跨洲际和跨国家的数据集,包括来自不同种族、疾病、阶段和制造商的计算机断层扫描。独立验证了一组AI算法通过使用50个标记扫描和2000个未标记扫描实现了90.0%的中位数Dice相似系数(DSC),并成功泛化到保留的外部验证集。该算法还实现了关键器官生物学特征的自动提取,这在传统的手动测量中需要耗费大量人力。