PulseAugur
中
实时 21:50:40
English(EN) PC-Seg: Progressive Cross-View Consistency for 3D OCT Segmentation from Sparse 2D Annotations

新的PC-Seg框架使用稀疏2D标注进行准确的3D OCT图像分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了PC-Seg，一种用于3D光学相干断层扫描（OCT）图像分割的新型框架。该方法利用半监督学习，显著减少了对广泛手动标注的需求，而手动标注是医学成像中的常见瓶颈。PC-Seg利用来自稀疏2D标注的跨视图一致性来生成可靠的伪标签，然后使用这些伪标签来训练3D分割模型。实验表明，PC-Seg在仅需要少量数据标注的情况下，实现了与完全监督方法相媲美的准确性。 AI

影响 该方法可以显著降低医学图像标注的成本和时间，有望加速眼科领域的诊断和研究。

排序理由 该项目是一篇研究论文，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]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的PC-Seg框架使用稀疏2D标注进行准确的3D OCT图像分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Tsubasa Konno, Takahiro Ninomiya, Yukun Zhou, Koichi Ito, Siegfried K. Wagner, Yiqun Lin, Pearse A. Keane, Toru Nakazawa, Takafumi Aoki ·

    PC-Seg：用于从稀疏2D标注进行3D OCT分割的渐进式跨视图一致性

    arXiv:2607.17718v1 Announce Type: new Abstract: Volumetric segmentation of optical coherence tomography (OCT) images is essential for diagnosing ocular diseases but requires labor-intensive voxel-wise annotations. While semi-supervised learning (SSL) can reduce annotation costs, …

相关实体

相关话题