Dual Co-Train

Dual Co-Train 框架在数据有限的情况下提升超声舌头分割效果

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。