Prototype-Guided Meta Pixel Correction for 3D Multi-Lesion Segmentation With Partial Instance Annotations

doi:10.1109/jbhi.2026.3667970

Prototype-Guided Meta Pixel Correction for 3D Multi-Lesion Segmentation With Partial Instance Annotations

2026-02-25

0

PRE

AI

DOI：10.1109/jbhi.2026.3667970

原文链接

原文求助

摘要

En 中文

临床实践中对3D医学体数据的全像素级标注既费力又昂贵，特别是在多病灶场景下，专家必须勾勒出大量异质性病灶。因此，尤其是在快速筛查中，标注者往往仅标记病灶实例的子集，因时间限制而将许多病灶留作未标记。本文提出了一种弱监督协议，该协议仅依赖于少量完全标记的病灶实例和稀疏的背景草图，反映了这一临床现实。传统的弱监督方法（如基于草图、点或边界框的方法）假设所有病灶至少有部分标注或位置提示，因此在该协议下失效。为解决此问题，我们提出了PIASeg，一种元学习框架，通过修正高置信度前景预测的子集来迭代优化标签。为增强修正的可靠性，构建了类别特定的原型，通过特征相似性计算过滤不一致的伪标签。原型表示通过对比和多样性目标进行优化，以确保鲁棒且丰富的表示。在三个公开3D病灶数据集（即LiTS、ISLES22和MS）上的大量实验表明，PIASeg优于当前最优基线。特别地，即使每个体数据仅标记一个病灶，在如此极端有限的监督下，它仍能保持优越的分割精度。

Keyword:

Multi-lesion segmentation

partial instance annotation

meta learning

label correction

Prototype-Guided Meta Pixel Correction for 3D Multi-Lesion Segmentation With Partial Instance Annotations

摘要

期刊

机构

引用论文