多标注者校准扩散模型

多专家标注稳健校准

该模型显式建模多专家标注的联合分布，在保留个体专家知识的同时校准标注偏差，逼近真实底层分割分布。

Wang, Junxia · Wang, Jing · 马军 · 郑元杰

Medical Image Analysis 2025

技术优势

保留个体专长

通过共享参数逆向扩散和专家组共识学习，保留不同标注者独到意见，而不是简单平均。

校准标注偏差

多阶段校准和一致性对齐，使融合标注更接近真实分布，减少噪声。

性能达最新最优

在多个公开数据集上分割性能超过现有方法，可直接提升诊断可靠性。

应用场景

• 医学图像分割：医院可用它提升分割精度，减少标注噪声影响。
• 多标注者数据融合：多标注者融合场景下，用它对标注进行校准和一致性增强。
• 医学影像AI：作为即插即用模块，嵌入现有医疗AI流程提升可靠性。