基于形状引导和不确定性估计的 半监督三维医学图像分割

• 作者: 宋文彪 许叶彤 王毅 杜晓刚 雷涛 .陕西科技大学电子信息与人工智能学院 .陕西科技大学陕西省人工智能联合实验室
• 来源期刊: 计算技术与自动化
• 学科: 医学
• 关键词: 3D医学图像分割;半监督学习;形状约束;不确定性估计
• 年，卷（期）: 2025,（4）
• 页码范围: 110-116
• 页数: 7页
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202404018

摘要

在基于深度学习方法的医学图像分割任务中，通常需要大量的标记数据。然而，获得可靠的标注是昂贵且耗时的。为此，提出了一种新的框架，采用具有形状约束和不确定性估计的双一致性正则化半监督方法，用于3D医学图像分割。首先，引入了一种基于学习目标区域的形状约束，通过联合学习两个网络的输出，加强几何形状约束，从而学习更可靠的信息。其次，设计了一种分割网络，以生成不同尺度的特征图，并引入了多尺度一致性损失来增强其稳定性。然而，由于这些特征图的空间分辨率不同，直接在每个像素上强制一致性可能导致不可靠的结果和信息丢失。因此，进一步提出了一种基于不确定性估计的多尺度一致性学习，以逐步学习有意义和可靠的特征区域，并增强模型的鲁棒性。实验结果表明，由于强大的无标记数据的知识挖掘能力，本文所提出的方法优于流行的半监督医学图像分割方法。