跨域血管分割网络
无标注跨库分割
通过多层次对抗学习与伪标签去噪,在无监督条件下实现跨数据源的精准血管分割。
刘金平 · Zhao, Gangjing · 徐鹏飞 · Yang, Yifei · 龚素波
Computers in Biology and Medicine 2024
参数信息
- AUC(DRIVE to CHASEDB1)
- 0.9806
- 准确率(DRIVE to CHASEDB1)
- 0.9874
- AUC(DRIVE to STARE)
- 0.9827
- 准确率(DRIVE to STARE)
- 0.9826
技术优势
伪标签自动纠错
通过比较伪标签与网络预测的距离,自动识别并修正错误伪标签,从而提升细小血管的分割精度。
跨数据集表现稳定
在多个数据集上的无监督域自适应实验显示,AUC 均超过 0.98,证明模型的鲁棒性。
应用场景
- 视网膜图像分析:跨设备分割血管,无需逐库标注
- 计算机辅助诊断:分割血管辅助疾病早期筛查
- 医学图像分割:为下游病灶分析提供血管掩膜
- 眼底影像筛查:无监督适应新设备,快速部署筛查