qq_37149304的博客

卷积神经网络因其能够学习具有判别力的图像特征，用于多种分类和回归任务，改变了医学图像分析领域。然而，成功地学习这些特征需要大量人工标注的数据，这些数据的获取代价昂贵，并且受限于专家图像分析师的可用资源。因此，无监督、弱监督和自监督的特征学习技术受到了广泛的关注，其目的是利用大量可用的数据，同时避免或大幅减少人工标注的工作量。本文提出了一种新的方法来训练心脏MR图像分割网络，通过预测解剖位置以自监督的方式学习特征。解剖位置作为监督信号，不需要额外的人工标注。

用于医学图像分割的混合transformer U-Net