返回
Semi-supervised medical image segmentation method using multi-scale consistency adversarial learning
DOI:10.1016/j.bspc.2025.108250.png)
摘要
En 中文
• 构建了全面的扰动空间,以增强模型从有限标注数据中进行泛化的能力。
• 提出了多尺度上的强一致性和弱一致性正则化方法。
• 提出了自适应加权金字塔一致性损失,以促进一致的结果。
• 在ACDC和BraTS2019数据集上的大量实验表明了其优越的性能。
期刊
IF:
4.9
论文数:
1.0W
被引数:
2.4W
机构
暂无机构信息
引用论文
MTANS: Multi-Scale Mean Teacher Combined Adversarial Network with Shape-Aware Embedding for Semi-Supervised Brain Lesion Segmentation
NeuroImage
IF0
Semi-supervised Strong-Teacher Consistency Learning for few-shot cardiac MRI image segmentation半监督强教师一致性学习用于少激发心脏MRI图像分割
Deep Learning Techniques for Automatic MRI Cardiac Multi-Structures Segmentation and Diagnosis: Is the Problem Solved?用于自动MRI心脏多结构分割和诊断的深度学习技术: 问题解决了吗?
Uncertainty-aware pseudo-label and consistency for semi-supervised medical image segmentation不确定感知伪标签和一致性的半监督医学图像分割

