多模态对比互学习和伪标签再学习半监督医学图像分割

最新推荐文章于 2023-12-05 13:59:54 发布
最新推荐文章于 2023-12-05 13:59:54 发布
阅读量816 收藏
点赞数
分类专栏： # 半监督学习 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45745941/article/details/131274003
版权

文章目录

Multi-modal contrastive mutual learning and pseudo-label re-learning for semi-supervised medical image segmentation

摘要

  • 多模态半监督模型
  • 提出一种新的对比损失函数最小化两种图像模态的差异
  • 伪标签再学习解决不同模态之间存在的预测效果差异
  • 将高性能模态的模型用作具有更高置信度的教师模型
  • 在推理阶段仅使用一种模态进行分割

本文方法

在这里插入图片描述
无监督损失函数
在这里插入图片描述
伪标签再学习策略
在这里插入图片描述

  • EMA加权模型和贝叶斯近似的dropout
  • HP：表现最好的模型
  • BMP：动态存储表现最好的模型

实验结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

总结

  • 利用损失函数减少模态之间的异质性
  • 利用mean-teacher模型减少预测的输入模态
  • 利用伪标签再学习方法提升鲁棒性
  • 利用BMA参数更新提升模型准确性
小杨小杨1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
基于深度学习的多模态医学图像融合方法研究进展.pdf
08-18
基于深度学习的多模态医学图像融合方法研究进展.pdf
基于多模态深度学习的医学图像配准方法设计.pdf
08-18
基于多模态深度学习的医学图像配准方法设计.pdf
Havard多模态医学图像融合数据集
最新发布
04-12
Havard-Medical-Image-Fusion-Datasets-main 官网：https://www.med.harvard.edu/aanlib/home.html，里面包含MRI、CT、PET医学图像，下载需要手动一张一张操作。 在朋友的告知下，有人在Github整理出了代码，我下载下来方便各位下载。 Github下载链接：https://github.com/yidamyth/Havard-Medical-Image-Fusion-Datasets
基于NSST和PCNN网络的多模态医学图像融合算法matlab仿真+仿真录像
11-14
1.版本：matlab2021a，我录制了仿真操作录像，可以跟着操作出仿真结果 2.领域：多模态医学图像融合 3.内容：基于NSST和PCNN网络的多模态医学图像融合算法matlab仿真。
基于深度学习的HECML医学图像分割.zip
03-08
本项目是demo，可以直接使用代码注释清楚，文档教程完整。 基于深度学习的HECML医学图像分割是指利用深度学习技术来对医疗图像进行分割，以帮助医生更准确地诊断和治疗疾病。其中，HECML是一种结合了多尺度和多模态信息的深度学习模型，用于医学图像分割。 HECML模型的核心思想是将不同尺度和模态的医学图像信息进行有效融合，从而提高图像分割的准确性和鲁棒性。HECML模型主要包括以下几个部分： 多尺度特征提取：通过使用不同尺寸的卷积核或池化核，从原始图像中提取出不同尺度的特征。 多模态特征融合：将来自不同模态（如CT、MRI、PET等）的医学图像进行融合，以充分利用不同模态图像中的互补信息。 深度学习网络：使用深度神经网络（如卷积神经网络CNN）对融合后的特征进行学习和建模，以实现对医学图像的精确分割。 损失函数与优化：设计合适的损失函数（如交叉熵损失函数、Dice损失函数等）来优化网络模型，提高分割的准确性。 训练与评估：使用已标注的医学图像数据对模型进行训练，并在测试数据集上评估模型的性能。
用于半监督医学图像分割的多模态对比互学习和伪标签再学习方法
专注计算机视觉全栈知识分享
02-17 1923
用于半监督医学图像分割的多模态对比互学习和伪标签再学习方法
MIA | Multi-modal contrastive mutual learning and pseudo-label re-learning for semi-supervised medic
qq_43660863的博客
12-05 1150
MIA：Multi-modal contrastive mutual learning and pseudo-label re-learning for semi-supervised medical image segmentation；半监督医学图像分割的多模态对比学习和伪标签学习
半监督学习（主要伪标签方法）
Harry_Jack的博客
08-08 3665
目前许多研究的假设都是利用聚类假设而进行训练的，这些方法都基于一个概念，即如果给一个无标签样本增加扰动，那么扰动数据的预测和原数据的预测不会有明显的改变，在聚类假设下，具有不同真实标签的数据点应当在低密度区域分隔开，因此，某样本在扰动后的预测结果发生类别变化的可能性也该很小。因此，与其最小化在输入空间的零维数据点上的分类成本，正则化的模型使每个数据点周围的流形上的成本最小化，使决策边界远离未标记的数据点，并平滑数据所在的流形[193]。最后一步是，混合这两个batch的中的样本，形成一个新的batch。
NeurIPS 2021 | 医学图像生成新范式！在Noisy Data上训练出超越监督学习的模型
阿木寺的博客
10-19 2727
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者：藏云阁主 |已授权转载（源：知乎）https://zhuanlan.zhihu.com/p/41523868...
论文阅读：弱场景标注下的多模态行人重识别
wutongxdf的博客
03-23 767
论文阅读：弱场景标注下的多模态行人重识别（视觉+无线数据）
多模态医疗图像处理语义分割综述
weixin_40475408的博客
10-31 741
对近些年的多模态研究有一个基础的认识，便于后续的学习。
【图像分割】基于纹理特征的监督学习实现多模态MRI脑肿瘤分割附Matlab代码
m0_60703264的博客
09-19 109
在医学影像领域，MRI（磁共振成像）是一种常见的诊断工具，广泛应用于脑肿瘤的检测和分析。然而，准确地分割脑肿瘤仍然是一项具有挑战性的任务。近年来，基于监督学习的方法在脑肿瘤分割中取得了显著的进展。本文将介绍一种基于监督学习的多模态MRI脑肿瘤分割方法，该方法利用来自超体素的纹理特征，以提高分割的准确性和稳定性。在传统的MRI脑肿瘤分割方法中，常常使用像素级的特征来进行分割。然而，这种方法容易受到噪声和图像不均匀性的影响，导致分割结果不准确。为了克服这些问题，我们提出了一种基于超体素的纹理特征的方法。
CVPR2023 Pseudo-Label Guided Contrastive Learning for Semi-Supervised Medical Image Segmentation
qq_43656233的博客
08-29 1802
尽管最近半监督学习（SemiSL）方面的工作在自然图像分割方面取得了巨大的成功，但从有限的注释中学习判别性表示的任务一直是医学图像中的一个悬而未决的问题。对比学习（CL）框架使用相似性度量的概念，这对于分类问题很有用，但是它们无法将这些质量表征转移到精确的像素级分割。为此，我们提出了一种新颖的基于半监督补丁的 CL 框架，用于医学图像分割，而不使用任何显式的借口任务。我们利用 CL 和 SemiSL 的强大功能，其中 SemiSL 生成的伪标签通过提供额外的指导来帮助 CL，
基于弱监督深度学习的医学图像分割方法综述
weixin_44450575的博客
05-11 2573
基于深度学习的医学影像分割尽管精度在不断的提升，但是离不开大规模的高质量标注数据的训练，被称为弱监督学习的深度学习的一个分支正在帮助医生通过减少对完整和准确的数据标签的需求，以更少的努力获得更多的洞察力。本文阐述了深度学习中三种不同类型的学习方式，并着重介绍了弱监督学习方式的三种类型，然后进一步总结了医学图像分割中的弱监督学习方法，最后详细列举了不同级别的弱监督在医学图像分割的应用实例。 关键词：深度学习；弱监督学习；医学图像分割
CVPR2020论文列表（中英对照）
dovings的博客
07-04 8851
CVPR论文列表，中英对照
带你读AI论文丨针对文字识别的多模态半监督方法
华为云官方博客
12-22 924
本文提出了一种针对文字识别的多模态半监督方法，具体来说，作者首先使用teacher-student网络进行半监督学习，然后在视觉、语义以及视觉和语义的融合特征上，都进行了一致性约束。
多模态学习 讲座记录
Ray Home
10-05 667
多模态学习，讲座PPT记录
12月15日下午，多模态预训练、半监督学习
淘系技术
12-14 249
北京时间12月15日下午14:30，大淘宝技术联合将门-TechBeat人工智能社区举办的「推荐算法揭秘」第二场活动，将准时在线上进行！本次分享关键词：多模态预训练、半监督学习。活动议...
CVPR2021论文列表（中英对照）
热门推荐
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
unet知乎_医学多模态图像分割小结
06-06
非常感谢您的提问，以下是我对于unet在医学多模态图像分割方面的小结： UNet是一种卷积神经网络，常用于医学图像分割。它的结构类似于自编码器，但不同的是在解码器中使用了上采样操作。UNet使用了跳跃连接，即将...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小杨小杨1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值