研究人员开发了DACL，一种旨在改进胎儿超声图像分割的新型半监督框架。该方法利用了一个轻量级卷积网络和一个基于Transformer的网络，通过一致性正则化利用有限的标记数据和未标记数据。DACL引入了一种双一致性损失，该损失对齐分布预测和不确定性，旨在减少不可靠的伪标签的影响。该框架还结合了基于插值的混合增强策略以提高鲁棒性，在极端标注稀缺的情况下显著提高了边界精度。 AI
影响 提高了医学图像分割的准确性，可能带来更好的诊断工具并减少对手动标注的依赖。
排序理由 该项目是一篇学术论文，详细介绍了一种新的图像分割方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
