涂鸦弱监督超声分割
利用证据理论引导CNN与Mamba协同优化，提升边界预测稳定性
Xiaoxiang, Han · Li, Xinyu · Jiang, Shang · Yiman, Liu · Keyan, Chen · 徐树公 · 刘巧红 · 张琪
Information Fusion 2026
基于DST证据理论设计EGC策略，利用高证据预测引导低证据预测的优化，避免简单滤除决策边界附近的预测，从而稳定边缘预测。
引入视觉Mamba以线性复杂度捕获长程依赖，解决CNN局部感受野限制，适应病灶大小和位置变化。
采用涂鸦级弱监督标注，大幅降低标注成本，无需像素级标注。