Jul, 2024
基于互补的二维扩散模型和正交视图的低复杂度 3D 脑分割
Label-Efficient 3D Brain Segmentation via Complementary 2D Diffusion
Models with Orthogonal Views
TL;DR通过使用互补的2D扩散模型,将2D的语义信息提取为特征,并将其融合为3D上下文特征表示,我们提出了一种新颖的基于深度学习的3D脑部分割方法,旨在实现可靠的分割质量,而无需对每个个体主体进行完整标记。实验证明,我们的方法在仅使用一个主体的数据集进行大脑皮层结构分割训练时优于目前最先进的自监督学习方法,甚至在仅有九个切片和一个标注的背景区域的情况下,通过稀疏标记的最低标注要求进行的进一步实验也取得了有希望的结果。