原型增强均值教师算法

半监督鲁棒分割

通过非学习原型强化特征空间监督，缓解伪标签噪声，提升复杂解剖结构的分割精度与泛化能力。

Zhang, Huaikun · Pei, Ma · 刘冀钊 · 廉敬 · 马义德

Pattern Recognition 2025

技术优势

特征空间监督增强

通过非学习原型提供额外监督信号，减轻对标签空间的过度依赖。

类内变化建模

自适应原型对比损失捕获同一类别内部的像素差异，提升细粒度分割能力。

应用场景

• 手术导航：在标注有限的手术影像数据上，利用半监督学习获得更精确的解剖结构分割，辅助术中实时导航。
• 病灶勾画：通过增强类内与类间判别，实现复杂医学图像中病灶边界的精细勾画，辅助临床诊断。
• 医学影像分析模型：该方法改进了半监督训练流程，可作为通用模块集成到现有分割模型中，提升小样本标注下的性能。