本研究提出了一种新的半监督蒸馏管道，旨在解决三维显微脑血管分割中的高分辨率图像注释和数据量大的问题。实验结果表明，该方法能够有效捕捉多样的血管结构，表现出显著的效果。

该研究提出了一种基于半监督域自适应的脑血管分割方法，通过图像转换和语义分割，实现了高效稳定的模型训练，具有可靠的脑血管图像分割潜力。

本文介绍了一种名为VesselShot的少样本学习方法，用于血管拍片的分割。该方法通过利用少量有注释的辅助图像的知识，解决了脑血管分割中标注数据稀缺和大量标注的问题。使用TubeTK数据集对VesselShot进行评估，平均Dice系数为0.62。