PulseAugur
中
实时 10:03:47
English(EN) Dual Co-Train: Cross-Dataset Ultrasound Tongue Segmentation Under Extreme Data Scarcity

Dual Co-Train 框架在数据有限的情况下提升超声舌头分割效果

作者 PulseAugur 编辑部 · [1 个来源] ·

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]

在 arXiv cs.AI 阅读 →

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

Dual Co-Train 框架在数据有限的情况下提升超声舌头分割效果

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Alisher Myrgyyassov, Zhen Song, Bruce Xiao Wang, Yu Sun, Min Ney Wong, Yihao Zhou, Yongping Zheng ·

    Dual Co-Train: 极端数据稀缺下的跨数据集超声舌头分割

    arXiv:2608.17983v1 Announce Type: cross Abstract: Ultrasound tongue contour segmentation remains challenging under cross-dataset domain shift, where limited annotations, probe variability, and acquisition noise often degrade model generalization. We present a source-free domain a…

相关实体

相关话题