一种基于半弱监督学习的半自动磁共振成像注释算法
Shaolong Chen1,2, Zhiyong Zhang2
1School of Sino-German Intelligent Manufacturing, Shenzhen City Polytechnic, Shenzhen 518000, China.
Sensors (Basel, Switzerland)
|June 27, 2024
概括
这项研究引入了一种新的半自动方法,用于注释磁共振成像 (MRI) 图像. 它通过有限的细分标签提高了注释前的性能,使MRI细分更有效.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 对磁共振成像 (MRI) 图像的准确注释对于基于深度学习的细分至关重要.
- 当前的半自动注释方法与不足的细分标签作斗争,导致注释前性能差.
- 需要高效和有效的半自动注释技术来减少MRI细分的手工工作.
研究的目的:
- 提出一种使用半弱监督学习的新型半自动MRI注释算法.
- 在具有有限细分标签的场景中增强注释前性能.
- 提高个别细分标签对预注释模型性能的贡献.
主要方法:
- 开发了一个半弱监督的学习细分算法,利用稀疏的标签.
- 综合性半监督和弱监督的学习技术.
- 实施基于主动学习的代注释策略,以最大限度地提高标签贡献.
主要成果:
- 拟议的算法与完全监督的方法相比,在注释前表现相当,即使分段标签少得多.
- 在公共MRI数据集上的实验结果验证了算法的有效性.
- 这种方法成功地解决了标签不足的预注释表现不佳的挑战.
结论:
- 基于半弱监督学习的拟议的半自动MRI注释算法有效地提高了在有限数据的情况下注释前的性能.
- 半监督,弱监督和积极学习策略的整合为高效的MRI图像注释提供了强大的解决方案.
- 这种方法显著减少了对广泛标记数据的依赖,以实现准确的MRI细分.
