SM2C - Verbesserung der semi-überwachten Segmentierung für medizinische Bilder durch Verwendung von Meta-Pseudo-Labels und gemischten Bildern

Die Studie stellt eine neuartige Datenerweiterungsmethode namens Scaling-up Mix with Multi-Class (SM2C) vor, um die Fähigkeit von Segmentationsmodellen zur Erkennung von Regionen und Konturen in medizinischen Bildern zu verbessern. Durch Skalierung der Bildgröße, Mischen mehrerer Klassen und Verzerren der Objektformen wird die Diversität der Trainingsdaten erhöht, was zu einer Verbesserung der Segmentationsleistung führt.