基于弱监督学习的医学图像分割方法研究  

作　　者：程舸帆 何良华[1] 

机构地区：[1]同济大学电子与信息工程学院计算机科学与技术系,上海201800

出　　处：《电脑知识与技术》2022年第3期7-9,共3页Computer Knowledge and Technology

基　　金：自然科学基金联合基金(项目号:U18092006);自然科学基金(项目号:61772369,61773166,61771144);上海市优秀技术带头人计划(项目号:19XD1434000);上海市国际科技合作项目(项目号:19490712800);科技部重点研发项目(项目号:2020YFA0711400);上海市重大科技项目(项目号:2021SHZDZX0100);长江学者奖励计划;中央高校基本科研业务费等项目的资助。

摘　　要：为提升针对医学图像的弱监督语义分割性能,本文从种子线索的生成出发,在CAM网络训练中引入多空洞卷积率的空洞卷积,以从图像级别的标注中产生密集位置预测,扩大响应范围。实验证明本文提出的分割模型在CAMELYON16数据集上能得到10个百分点的提升,并通过实验结果图证明本文模型可在仅有图像及标签已知的情况下为医生的诊断提供参考。

关 键 词：弱监督学习 语义分割 乳腺癌数据集 卷积神经网络 空洞卷积 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]