图像分割论文:Quality-aware semi-supervised learning for CMR segmentation
Auther: Bram Ruijsink, Institution:King’s College London, Publish year: 2020
论文地址:https://arxiv.org/abs/2009.00584
Key point:
- 医学图像分割目前存在的问题是难以获取优质的带标注数据,而数据增强和半监督式的方法有效性有限。
- 作者基于这样一个前提:医学分割后的结果不直接应用于产品,而是应用于对疾病的诊疗或判断
- 临床医生在评价图像分割结果时会基于大量生理和解剖学知识,为此作者提出了鲁棒质量控制分类器,为分割提供了有质量意识的半监督式数据扩充
Dataset:
心脏磁共振成像数据,存在两个独立的任务,一个是使用FCN分割主动脉区域,一个是使用U-Net分割左心室,右心室和左心室心肌。数据来自 UK Biobank cohort