본 논문에서는 의료 영상 분할 작업에서 적은 수의 스크리블 주석과 풍부한 레이블 없는 데이터를 활용하는 SP³라는 새로운 준지도 학습 방법을 제안합니다. 슈퍼픽셀 기반 의사 레이블 생성 및 정제, 동적 임계값 필터링, 슈퍼픽셀 수준 불확실성 기반 학습을 통해 기존 방법보다 우수한 성능을 달성했습니다.
본 논문에서는 레이블이 지정되지 않은 데이터를 활용하여 의료 영상 분할 모델의 성능을 향상시키는 준지도 학습 프레임워크인 AIGCMatch를 제안합니다. 특히, AIGCMatch는 이미지 및 특징 수준에서 어텐션 기반 섭동을 활용하여 모델의 일관성을 높입니다.