层级自校正分割网络

细结构分割更准

将特征、预测与伪标签三级耦合为反馈闭环,用下游误差反向校正上游表征,突破半监督分割中的确认偏置累积。

周唯 · Chuangchuang, Shi · Xiaonan, Lin · 王晶 · 易玉根

Pattern Recognition 2026

参数信息

Dice提升
1.62 %
IoU提升
3.43 %
clDice提升
11.53 %

技术优势

细结构不断裂

伪标签层通过骨架感知形态学校正和原型引导的对比对齐细化时序聚合预测,保持拓扑连续性,避免细小血管和病灶丢失。

误差会反向校正

预测层的解码器差异生成空间不确定性图,重新加权门控融合,使预测歧义能校正上游特征表征,打破单向误差累积。

融入全局先验

特征层通过可学习门控模块融合适配器调优的SAM先验与U-Net特征,将全局结构知识与局部表征结合,提升分割一致性。

应用场景