医学图像分割交互式注释框架

标注成本大幅降低

通过混合主动学习和交互式注释,以更少的标注数据和更少的交互实现高精度像素级标注

Li, Xiaokang · Xia, Menghua · Jiao, Jing · 周世崇 · 常才 · 汪源源 · Guo, Yi

Medical Image Analysis 2023

技术优势

冷启动不再是问题

通过专门设计的初始化策略构建初始标注集,让主动学习从第一轮就能有效开展。

选样本更准

综合像素熵、区域一致性和图像多样性,挑选出高不确定性且多样化的样本,提升分割模型改进效率。

点几下就出标注

交互式模块通过建议超像素,仅需少量点击即可获得像素级标签,大幅简化人工标注流程。

标注成本降下来

同时减少标注图像数量和简化标注过程,使总体标注成本显著低于传统方式。

应用场景