医学图像前景背景表征更全
通过构建高保真原型来更全面地表示对象前景和背景，解决现有模型在医学图像中因对象不明显和背景复杂导致的次优问题。
唐颂 · 齐晓志 · Jianxin, Gao · 叶茂 · Zhang, Jianwei · Zhu, Xiatian
Medical Image Analysis 2024
通过聚类建模多模态结构并逐通道融合前景原型，同时利用稀疏通道正则整合背景的通道特定结构信息，使原型能同时保留全局语义和细节语义。
方法基于小样本语义分割范式，每个新类别仅需一个标注样本即可适配，大幅降低医学图像标注成本。
作者公开了代码和数据，便于其他研究者验证和扩展。