双网络半监督分割模型

抗噪伪标签

通过交叉一致性增强与不确定性引导的动态加权，在半监督医学图像分割中有效抑制伪标签噪声，少量标注下也能稳定分割。

79037989 · Yihang, Wu · Chaddad, Ahmad · Daqqaq, Tareef Sahal · Kateb, Reem

Knowledge-Based Systems 2025

参数信息

Dice分数

89.95 %

技术优势

噪声伪标签更少

交叉一致性增强模块利用双网络交叉伪监督和熵过滤，并结合基于KL散度的不确定性动态加权，降低不可靠伪标签的影响。

特征对齐更可靠

自监督对比学习机制将不确定体素特征与可信类原型对齐，有效区分可信与不确定预测，从而降低预测不确定性。

应用场景

• 脑机接口交互：少量标注即可分割脑影像，加速脑机接口中神经信号区域定位。
• 具身智能：半监督分割可让具身智能体从少量标注中学习环境理解。
• 医疗机器人：精确分割手术目标区域，提升医疗机器人导航与操作精度。