Kernekoncepter
Proposing a dual contrastive learning network for semi-supervised multi-organ segmentation to enhance feature extraction and achieve superior performance.
Resumé
この論文では、セミ・スーパーバイズドの多臓器セグメンテーションにおいて、デュアルコントラスティブラーニングネットワークを提案し、特徴抽出を強化して優れたパフォーマンスを達成することが目的とされています。提案手法は、類似性に基づくグローバルコントラスティブラーニングと臓器レベルのローカルコントラスティブラーニングを組み合わせて豊富な特徴表現を抽出します。公開データセットACDCおよびRC-OARsでの実験結果は、提案手法の優れた性能を示しています。
Statistik
80.17% Dice, 67.36% JI (5/75)
86.60% Dice, 76.64% JI (10/70)
90.21% Dice, 82.33% JI (20/60)
Citater
"Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results." - A. Tarvainen, H. Valpola
"Contrastive learning of global and local features for medical image segmentation with limited annotations." - K. Chaitanya et al.
"A regularization-driven Mean Teacher model based on semi-supervised learning for medical image segmentation." - Q. Wang et al.