[IEEE TMI | 论文简读] PLN：用于几乎无监督的医学图像分割的类寄生网络

简读分享 | 陈兴民 编辑 | 乔剑博

论文题目

PLN: Parasitic-Like Network for Barely Supervised Medical Image

Segmentation

论文摘要

众所周知，三维医学图像分割任务的注释是费力、费时、费钱的。考虑到片间和卷间存在的相似性，作者认为描绘方式和模型结构应该是紧密结合的。 在本文中，通过引入一种非常稀疏的标注方式，即每张三维图像只标注一个切片，本文研究了一种新颖的几乎没有监督的分割设置，只有少数稀疏标注的图像和大量的未标注的图像。为了实现这一目标，作者提出了一个新的类寄生网络，包括一个配准模块（作为宿主）和一个半监督分割模块（作为寄生），分别处理片间标签传播和卷间分割预测的问题。具体来说，该寄生机制通过感染、发育和蜕变三个阶段有效地实现了这两个模块的协作，为训练提供准确的伪标签。广泛的结果表明，该框架能够在极其稀疏的注释任务上实现很高的性能，例如，作者在只有16个标记切片的LA数据集上实现了84.83%的Dice。

论文链接

https://ieeexplore.ieee.org/document/9906305