BBR-Net

新的BBR-Net方法改进了医学图像分割的持续学习

研究人员开发了一种名为边界平衡重放网络（BBR-Net）的新方法，以应对医学图像分割中持续学习的挑战。该方法通过优先重放富含边界信息和类别平衡的样本来保存解剖结构。在CAMUS和CardiacNet数据集上的实验表明，BBR-Net在保持源任务性能的同时，有效减少了灾难性遗忘，并提高了对新任务的适应性。研究还强调，重放方法的有效性显著受到存储数据的结构可靠性的影响，而不仅仅是内存容量。