近期,中國科學(xué)院合肥物質(zhì)院智能所王煥欽研究員團隊提出一種半監(jiān)督醫(yī)學(xué)圖像分割方法,相關(guān)成果近期以“Boundary feature alignment for semi-supervised medical image segmentation”發(fā)表于人工智能領(lǐng)域頂刊Pattern Recognition(中國科學(xué)院一區(qū)TOP)上。
3D醫(yī)學(xué)圖像像素級注釋是一項繁瑣且任務(wù)量巨大的工作。近年來,半監(jiān)督醫(yī)學(xué)圖像分割能夠利用少量標(biāo)注圖像和大量未標(biāo)注圖像可有效緩解人工注釋壓力。當(dāng)前半監(jiān)督醫(yī)學(xué)圖像分割中流行的方法是基于一致性正則化和偽標(biāo)簽技術(shù),盡管它們在實現(xiàn)方式上有所不同,但兩者都旨在從數(shù)據(jù)變化中學(xué)習(xí)不變的預(yù)測以提升模型的整體泛化能力,導(dǎo)致全局一致性和局部邊界之間的失衡。
基于此,王煥欽團隊在研究中提出了一種用于半監(jiān)督醫(yī)學(xué)圖像分割的邊界特征對齊方法以解決準(zhǔn)確定位邊界的挑戰(zhàn),其核心思想是鼓勵模型學(xué)習(xí)標(biāo)記和未標(biāo)記圖像的通用邊界特征表示。文中設(shè)計了3D邊界提取器以實現(xiàn)標(biāo)簽和偽標(biāo)簽邊界的穩(wěn)定提取,通過混合標(biāo)簽和偽標(biāo)簽邊界,實現(xiàn)邊界特征的早期嵌入以及隱式地促進不同標(biāo)注狀態(tài)之間的對齊。實驗結(jié)果表明,僅在平均教師框架上實現(xiàn)該方法即在LA(左心房)、Pancreas-CT(胰腺-CT)和ACDC(右心室、左心室和心?。┤齻€基準(zhǔn)數(shù)據(jù)集上實現(xiàn)了優(yōu)異的性能。值得關(guān)注的是在ACDC數(shù)據(jù)集上,僅以10%的標(biāo)注比例,即在95HD和ASD等指標(biāo)上超越了全監(jiān)督的性能(4.30 vs 1.15,0.99 vs 0.46)。
本論文的第一作者為黃義庚博士,通訊作者為王煥欽研究員,本研究工作得到了國家重點研發(fā)計劃、安徽省科技重大專項、國家自然科學(xué)基金聯(lián)合基金和安徽轉(zhuǎn)化醫(yī)學(xué)研究所的支持。
文章鏈接:https://www.sciencedirect.com/science/article/abs/pii/S0031320325006065?via%3Dihub
圖?病理涂片癌細胞簇分割的半監(jiān)督學(xué)習(xí)方法