点监督分割网络

点标注代替全像素标注

利用点级标注和少量全标注数据，通过多点和对称一致性正则化，生成高质量伪标签来训练分割模型，显著降低标注成本。

Shi, Yuxuan · Wang, Hong · Ji, Haoqin · Liu, Haozhe · Li, Yuexiang · He, Nanjun · Wei, Dong · Huang, Yawen · 戴奇 · Wu, Jianrong · 陈欣荣 · Zheng, Yefeng · Yu, Hongmeng

Medical Image Analysis 2023

参数信息

标注成本降低

80 %

技术优势

标注成本大降

以点级标注取代大部分像素级标注，大幅减少放射科医生的工作量。

伪标签更准

通过多点一致性和对称一致性正则化提升伪标签质量，从而训练出高性能的学生模型。

跨部位可用

在结直肠、鼻咽等多个部位的不同病变结构上均验证有效，显示出良好的泛化性。

应用场景

• 内窥镜病变分割：用点级标注快速训练内窥镜病变分割模型，加速临床部署。
• 医疗影像标注：将逐像素勾画简化为点一下，大幅减轻标注负担。
• 医学影像分析：为医学影像分析提供一种标注高效、性能可靠的分割方案。