Jul, 2024

利用注视标注进行弱监督医学图像分割

HTML
PDF
TL;DR通过眼神注视作为一种高效的注释方法，我们提出了一种用于医学图像分割的多级框架，利用具有鉴别性的人类注意力进行训练，并通过交叉级别一致性来减小注视噪声，实现对模型的正则化，从而在性能和注释时间方面优于之前的注释方案。
发现论文，激发创造
  • 深度学习解决医学图像分割中的不完整数据：综述

    这篇文章主要介绍了在医学图像分割领域中，利用卷积神经网络进行高性能分割所需要的大量高质量标注数据的问题，并且探讨了如何解决数据集缺陷，包括有限的标注和不完美的标注问题。

    Aug, 2019

  • RITnet: 眼睛注视跟踪的实时语义分割

    该研究提出了一种深度神经网络RITnet模型，实现了精确的眼睛分割，可以运行在实时的环境下，可以帮助实现基于视觉关注的交互计算和目光追踪应用。

    Oct, 2019

  • 每个注释都很重要：医学图像分割的多标签深度监督

    本文提出了一种半弱监督分割算法，基于新的深度监督学习方法和学生-教师模型，结合各种监督信号以实现易于集成，有效地减少了昂贵标注的要求。经过实验验证，该算法在视网膜液体分割上取得了成功。

    Apr, 2021

  • 医学图像分割的标签高效混合监督学习

    提出了一种新的基于混合监督的标签高效框架，该框架通过考虑每个弱注释实例并学习其权重，以更好地利用在强注释实例中的高质量先验知识并更精确地描绘弱注释实例。

    Mar, 2022

  • GazeGNN: 一种用于疾病分类的注视导向图神经网络

    本文中提出了一种新的注视引导的图神经网络（GazeGNN），用于对医学扫描进行疾病分类，该方法不需要将目光信息转换为视觉注意力图；该方法在公共胸部 X-ray 数据集上实验，相较于现有方法，本方法取得了最佳分类性能。

    May, 2023

  • 基于模型的3D眼神跟踪在弱监督和少样本训练下的应用

    使用弱监督的眼部语义分割掩码和少量三维注视向量，结合基于Transformer的网络架构，提出一种新方法来预测3D眼部注视，取得了与基线相比约5度较低的角度注视误差。

    Nov, 2023

  • 支持间接观察者眼动一致性的分裂检测 AI 训练

    通过利用目光追踪技术收集医生的行为数据，这项研究探讨了一种成本效益高的方法来为人工智能训练收集高质量的医生标注，以用于病理学任务中有关有丝分裂检测的研究。

    Apr, 2024

  • 医学影像分割：从传统模型到基础模型的超越像素级监督

    医学图像分割的注释高效学习与基础模型的挑战：综述与分析。

    Apr, 2024

  • 用于减轻医学图像中的捷径学习的注视导向视觉GNN

    本研究提出了一种新颖的注视导向视觉图神经网络（称为GD-ViG），通过利用注视的视觉模式将网络引导到与疾病相关的区域，并从而减轻了快捷学习。该网络在医学图像分析中取得了优异的表现，比最新的方法更有效地减少了快捷学习问题。

    Jun, 2024

  • 从少到多：基于涂鸦的医学图像分割通过掩模上下文建模和连续伪标签

    本研究解决了当前涂鸦基础弱监督分割技术在稀疏标注下的性能和一致性问题。提出的MaCo框架结合了掩模上下文建模和连续伪标签，通过提升模型对不均匀标注的处理能力，改进了医学图像分割的效果。实验表明，MaCo在多个公共数据集上表现优越，推动了弱监督医学图像分割的发展。

    Aug, 2024