研究人员开发了一种名为 Dual Co-Train 的新颖框架，用于改进超声舌头分割，特别是在标记数据极其有限的情况下。这种无源域自适应方法利用了一个轻量级的 UltraUNet 主干，并优化了无标记目标数据的伪标签。该系统还使用条件 GAN 生成了目标风格的合成图像-掩码对，实现了闭环自适应，无需访问原始源数据。在多个数据集和迁移对上的评估表明，与现有的基线方法相比，Dual Co-Train 显著提高了分割重叠度和轮廓精度。 AI
影响 在标记数据极少的情况下提高医学影像分割精度，有望改进诊断工具。
排序理由 这是一篇详细介绍特定计算机视觉任务新方法的学术论文。[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 →
