MRI图像的弱监督学习和条件随机场分割

针对传统心脏MRI图像分割人工成本高昂、效率低下的问题,提出弱监督学习框架和条件随机场的心脏MRI图像分割方法,通过双分支的网络结构,由局部交叉熵损失监督,从已有的涂鸦标注中学习;同时,利用两个解码器的输出增强模型训练,动态混合两个分支的输出生成伪标签,获得比涂鸦标注更准确的监督信号;结合涂鸦监督和伪标签监督,对分割网络进行训练;引入条件随机场对网络输出进行后处理,利用像素间关系提高分割结果的精确性。实验结果表明该模型在相近的标注代价条件下可获得比现有弱监督方法更优的分割性能。