面向医学图像分割的傅里叶半监督学习方法

摘要：

标注数据稀缺会影响医学图像的分割精度.对此,提出一种基于傅里叶变换的一致性约束半监督学习方法.在少量带标注数据的情况下,无标注数据经傅里叶变换插值和模型分割后的输出与其经反向操作的输出具有空间一致性,利用该特点构建针对无标注数据的一致性正则化约束,以提升全监督学习的模型性能.在自动心脏诊断、多器官分割和电子计算机断层扫描淋巴结公开数据集上的实验结果表明,所提方法的性能优于基线模型,且可与当前性能标杆半监督学习方法融合,以提升分割性能.

关键词：医学图像分割、半监督学习、傅里叶变换、一致性正则化约束

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

在线出版日期：2024-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：69-74,89