基于多尺度区域可靠性感知的半监督肺肿瘤分割

提出一种基于多尺度下一致性和区域可靠性感知的半监督学习方法,在使用少量标注数据的情况下结合未标记的数据来实现高性能的肺部肿瘤分割任务。首先,提出一种多尺度一致性均值教师框架,构建多尺度一致性损失并约束教师学生网络中多个尺度上的输出保持一致,使模型学习到更丰富的一致性知识。此外,提出一种区域可靠性感知方法使一致性学习之间的知识交换更加有效,使模型从无标注的数据中学习到更有效且可靠的知识。本文方法在医学图像分割十项全能比赛肺肿瘤数据集上进行充分的评估,与当前先进的半监督学习方法比较有更优越的性能,验证本文方法的有效性。