| 面向3维心脏MRI分割的半监督双任务交叉一致性约束网络 |
| |
| 引用本文： | 苏逸欣,肖志勇.面向3维心脏MRI分割的半监督双任务交叉一致性约束网络[J].中国图象图形学报,2023,28(4):1198-1211. |
| |
| 作者姓名： | 苏逸欣 肖志勇 |
| |
| 作者单位： | 江南大学人工智能与计算机学院，无锡 214122 |
| |
| 基金项目： | 江苏省优秀青年基金项目（BK20190079） |
| |
| 摘 要： | 目的 针对人体组织器官及病灶区域的3维图像分割是计算机辅助医疗诊断的重要前提，是医学影像3维可视化的重要技术基础。深度学习方法在医学图像分割任务中的成功通常取决于大量有标注数据。半监督学习利用未标注数据容易获取的优点，在模型训练过程中使用少量标注数据和大量未标注数据进行学习，缓解了数据标注昂贵耗时的问题，在医学图像分割中受到了广泛关注。为更好地利用无标注数据，提升医学图像分割效果，提出一种新的一致性正则方法用于半监督3维医学图像分割。方法 模型以V-Net为基础架构，通过扩展网络结构，在均带有分割任务及回归任务属性的双任务主副解码器之间添加了用于正则化约束的交叉损失，构建了具有形状感知的基于双任务的交叉一致性正则网络SACC-Net(shape-aware cross-consistency regular network based on dual tasks)，实现将数据层面和模型层面的扰动融合进多任务机制的一致性正则方法，使模型能够更好地利用未标注数据的有效先验信息，并且具有更好的泛化性能。结果 在MICCAI 2018(Medical Image Computing and C...
|
| 关 键 词： | 医学影像 半监督学习 3维图像分割 一致性正则 核磁共振图像(MRI) |
| 收稿时间： | 2021/10/28 0:00:00 |
| 修稿时间： | 2022/5/19 0:00:00 |
Semi-supervised dual-task cross-consistency constraint network for 3D cardiac MRI segmentation |
| |
| Su Yixin,Xiao Zhiyong.Semi-supervised dual-task cross-consistency constraint network for 3D cardiac MRI segmentation[J].Journal of Image and Graphics,2023,28(4):1198-1211. |
| |
| Authors: | Su Yixin Xiao Zhiyong |
| |
| Affiliation: | School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi 214122, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
