Kernkonzepte
Die Kombination aus Dual-Branch-Netzwerk und Transferlernen verbessert effizient Trainingslabels für die Mehrklassen-Segmentierung.
Zusammenfassung
Einleitung
Genauigkeit der Trainingslabels entscheidend für medizinische Bildsegmentierung
Unsupervised und Semi-Supervised Methoden als Lösungen für Label-Erstellung
Methodik
Dual-Branch-Netzwerk mit Selbst- und Mischüberwachung
Transferlernen zur Verbesserung von Trainingslabels
Experimentelle Ergebnisse
Verbesserung der Segmentierungsgenauigkeit durch vorgeschlagene Methode
Zusammenfassung
Automatische und genaue Aktualisierung von Trainingslabels mit Dual-Branch-Netzwerk
Statistiken
Die Genauigkeit der Trainingslabels wurde statistisch signifikant verbessert, mit dem Dice-Ähnlichkeitskoeffizienten von Muskeln, subkutanem und viszeralem Fettgewebe von 74,2% auf 91,5%, 91,2% auf 95,6% bzw. 77,6% auf 88,5%.
Zitate
"Die Kombination aus dem Dual-Branch-Netzwerk und Transferlernen ist ein effizientes Mittel zur Verbesserung von Trainingslabels für die Mehrklassen-Segmentierung."