Die Autoren präsentieren ein neuartiges Verfahren zur halbüberwachten medizinischen Bildsegementation, das auf der Verwendung dualer strukturbewusster Bildfilterung (DSAIF) basiert.
Zunächst wird die Max-Baum- und Min-Baum-Darstellung des Originalbildes konstruiert, die die topologische Struktur des Bildes widerspiegeln. Anschließend wird eine neuartige verbundene Filterung vorgeschlagen, die nur die topologisch kritischen Knoten in den Bäumen erhält. Die resultierenden oberen und unteren strukturbewussten Bildfilter (USAIF und LSAIF) liefern zwei Bilder mit unterschiedlichen Erscheinungsbildern, die jedoch die gleiche topologische Struktur wie das Originalbild aufweisen.
Um die Vielfalt der Bilderscheinungen weiter zu erhöhen, wenden die Autoren außerdem monoton steigende Kontraständerungen auf das Originalbild an, bevor sie DSAIF durchführen. Da die Max-/Min-Bäume gegenüber solchen Änderungen invariant sind, bleibt die topologische Bildstruktur erhalten, während die Bilderscheinungen stark variieren.
Die vorgeschlagene DSAIF wird in ein gegenseitiges Überwachungsframework integriert, um die Übereinstimmung der fehlerhaften Vorhersagen für ungelabelte Bilder zu verringern. Dies hilft, das Bestätigungsvoreingenommenheitsproblem zu mildern, bei dem die Modelle dazu neigen, sich an verrauschte Pseudomarkierungen anzupassen, und verbessert so die Segmentationsleistung erheblich.
Umfangreiche Experimente auf drei Benchmark-Datensätzen zeigen, dass der vorgeschlagene Ansatz die Leistung der Basismodelle deutlich/konsistent verbessert und einige state-of-the-art-Methoden übertrifft.
翻譯成其他語言
從原文內容
arxiv.org
深入探究