CrossMatch: 强化半监督医学图像分割的扰动策略和知识蒸馏

May, 2024

CrossMatch: 强化半监督医学图像分割的扰动策略和知识蒸馏

CrossMatch: Enhance Semi-Supervised Medical Image Segmentation with Perturbation Strategies and Knowledge Distillation

Bin Zhao, Chunshi Wang, Shuxue Ding

TL;DRCrossMatch 是一种新颖的框架，通过与双扰动策略（图像级和特征级）结合使用知识蒸馏技术，从标记和未标记数据中提高模型的学习能力，通过生成多样化的数据流进行自知识蒸馏，从而在医学图像分割中显著优于其他最先进的技术，在标准基准测试中有效地缩小训练差距，提高边缘精度和泛化性能。

Abstract

semi-supervised learning for medical image segmentation presents a unique challenge of efficiently using limited labeled data while leveraging abundant unlabeled data. Despite advancements, existing methods often

semi-supervised learning medical image segmentation knowledge distillation dual perturbation strategies crossmatch

发现论文，激发创造

学习形态学特征扰动以进行校准半监督分割

本研究提出了一种新颖的一致性驱动半监督分割框架，其通过对编码器和双头解码器进行训练来实现对预测结果的不变性，比传统的半监督方法在 CT 肺血管分割和 MRI 脑肿瘤分割任务上表现更好，并且表明了 MisMatch 相对于其监督学习对应物的更好模型校准方法的有效性。

Mar, 2022

基于交叉伪标签的半监督医学图像分割方法：加强和弱数据增强策略

通过数据增强和伪标签生成、筛选和改进过程的适当强调，本研究基于半监督模型 DFCPS 提出了新颖的交叉伪监督概念，将一致性学习与自训练相结合，充分利用了伪标签的多个角度，从而提高了训练多样性和模型性能。

Feb, 2024

利用在线互相知识蒸馏实现跨模态医学图像分割

本文提出了一种利用形状先验知识和图像对齐模块，通过多模态数据协同分割医学图像的方法，并通过实验在 MMWHS 2017 数据集上验证了该方法在 CT 分割上的优越性。

Oct, 2020

MatchSeg：通过参考图像匹配实现更好的分割

使用少样本学习的方法，本研究提出了一种基于深度学习的医学图像分割框架 MatchSeg，通过匹配参考图像和设计联合注意力模块，实现了高效的领域泛化和优越的分割性能。

Mar, 2024

MixMatch: 半监督学习的整体方法

本研究提出了一种半监督学习算法 MixMatch，采用猜测低熵标签的方法，通过使用 MixUp 混合标记和未标记的数据来处理扩充后的未标注样例。实验结果表明，MixMatch 在许多数据集和标记数据量上都取得了大幅度的优越结果，同时也证明了 MixMatch 如何帮助实现更好的准确性和隐私权的权衡。最终，我们进行了消融研究来分离 MixMatch 的哪些组件对其成功最为重要。

May, 2019

基于示例的医学图像分割的跨模态互相学习

通过引入新颖的跨模型互学习框架，该研究提出了一种基于样本的医学图像分割方法，可以在极少的监督下实现高效的模型训练，并通过消除确认偏差和实现多模型一致性来学习互补信息。通过在图像和特征层面上进行扰动和预测，该框架在两个医学图像数据集上的实验结果表明，相比现有方法，所提出的方法有更好的表现。

Apr, 2024

标签匹配半监督目标检测

本篇论文从分布级别和实例级别两个不同但互补的视角提出了一个简单而有效的 LabelMatch 框架，用于解决自我训练期间存在的标签不匹配问题，并通过 Proposal Self-assignment 机制确定准确的伪标签来促进学生和教师之间的匹配。在 MS-COCO 和 PASCAL-VOC 数据集上的实验结果表明，所提出的框架明显优于其他现有方法。

Jun, 2022

深度半监督知识蒸馏用于重叠宫颈细胞实例分割

本文提出了一种基于深度学习的半监督知识蒸馏方法，通过标注和未标注的数据进行数据训练，建立了一个包含教师和学生网络的 Mask-guided Mean Teacher framework with Perturbation-sensitive Sample Mining (MMT-PSM)。实验表明，该方法相对于只学习标注数据的监督方法和最先进的半监督方法，显著提高了性能。

Jul, 2020

CorrMatch：半监督语义分割的相关匹配标签传播

本研究提出了一个针对半监督语义分割的简单但高效的半监督语义分割方法，称为 CorrMatch，目的是通过一致性正则化从未标记的图像中挖掘更多高质量的区域，以更有效地利用未标记的数据。

Jun, 2023

SegMatch：一种用于手术器械分割的半监督学习方法

通过引入 SegMatch 方法，在手术仪器分割中使用半监督学习，减少了对昂贵标注的需求，并在 MICCAI 仪器分割挑战数据集上展示出性能的提升，超过了全监督学习方法和其他半监督语义分割模型。

Aug, 2023