Transformer-based network

新框架通过半监督学习增强胎儿超声分割

研究人员开发了DACL，一种旨在改进胎儿超声图像分割的新型半监督框架。该方法利用了一个轻量级卷积网络和一个基于Transformer的网络，通过一致性正则化利用有限的标记数据和未标记数据。DACL引入了一种双一致性损失，该损失对齐分布预测和不确定性，旨在减少不可靠的伪标签的影响。该框架还结合了基于插值的混合增强策略以提高鲁棒性，在极端标注稀缺的情况下显著提高了边界精度。