HAIC-Net 半监督网络

少标注精准分割

结合自监督预训练任务与双重一致性训练，在有限标注下实现血管连接性更强的OCTA分割。

沈海澜 · 唐正 · Li, Yajing · Duan, Xuanchu · 陈再良

Pattern Recognition 2024

参数信息

分割精度（Accuracy）

0.9143

Dice系数

0.7658

技术优势

标注需求少

自监督预训练任务从无标签图像中提取血管信息，减少对人工标注的依赖。

血管连通性更强

拓扑一致性约束从拓扑角度增强分割网络对血管连通性的敏感度，减少拓扑错误。

性能接近全监督

在ROSE-1数据集上Dice系数0.7658，精度0.9143，超越现有半监督方法并接近全监督SOTA。

应用场景

• 眼底血管分析：自动分割毛细血管网络，辅助视网膜疾病诊断。
• 医学图像分割：以少量标注训练高精度分割模型，降低医学图像标注成本。
• 半监督学习：利用自监督和一致性训练充分利用未标注数据。