SEMI-PLC:偽のラベル修正による半監視医療画像セグメンテーションの枠組み
Shiyuan Huang1, Shudong Wang1, Sibo Qiao2
1College of Computer Science and Technology, China University of Petroleum (East China), Qingdao, 266580, Shandong, China.
Computer methods and programs in biomedicine
|August 29, 2025
まとめ
この研究は,半監督医療画像セグメンテーションのバイアスを減らすための新しいフレームワークを導入し,不安定な予測を修正することにより,限定されたラベルデータで精度を向上させます.
科学分野:
- 医療用イメージング
- コンピュータ・ビジョン
- 機械学習
背景:
- 半監督学習は医療画像のセグメンテーションに不可欠ですが,ラベル付きのデータが限られているため,認知バイアスに苦しむことがあります.
- このバイアスは 複雑な医療画像で増幅され 曖昧な領域で不安定な予測につながります
- 監視の多様性の欠如は,自己訂正と代替予測の探索をさらに妨げています.
研究 の 目的:
- 半監視医療画像セグメンテーションで 認知バイアスを軽減するために
- 制限されたラベルデータで訓練されたセグメンテーションモデルの正確性と堅実性を向上させる.
主な方法:
- 代替訓練と偽レーベル訂正を組み合わせた枠組みを提案した.
- 曖昧な地域での偏った強化を防ぐために,オリジナルのデータと拡張されたデータを使用します.
- Pseudo Label Correctionは,混乱による一貫性とクロスサブネットの制約を使用して不安定な偽ラベルを精製します.
主要な成果:
- 3つのパブリックデータセットで優れたパフォーマンスを達成しました 10%のラベルデータのみです.
- ダイススコアと95HDの有意な改善を示した.
- バイアスの蓄積を効果的に軽減し,全体的なセグメンテーションパフォーマンスを向上させました.
結論:
- フレームワークは訓練中に脆弱な予測を成功裏に特定し,修正します.
- 半監視医療画像セグメンテーションにおける認知バイアスを軽減する,不安定な擬似ラベルを漸進的に精製する.
- コードは公開されているので 再現可能です
