联邦异质性数据下半监督颈椎MRI分割模型OA北大核心CSTPCD
利用分割的医学图像进行诊断在临床和医学研究上是一种有效的辅助方法,但由于医学图像的隐私性、分散性和标注困难等问题严重影响了其实际应用效果。对颈椎磁共振成像(MRI)图像分割来说,其图像数据获取更困难,且标注成本高昂,颈椎分割模型在面对不同来源的异质性数据时难以有效提取颈椎细节信息。因此,在联邦学习场景下,针对标注信息缺少以及数据异质性导致分割精度下降的问题,提出一种基于标签分离与引导的多尺度半监督分割网络M-FedLO。M-FedLO通过标签分离…查看全部>>
潘恩元;钟原;李平
西南石油大学计算机科学学院,四川成都610500西南石油大学计算机科学学院,四川成都610500西南石油大学计算机科学学院,四川成都610500
计算机与自动化
颈椎分割联邦学习异质性数据标签分离多尺度标签引导
《计算机工程》 2024 (9)
P.367-376,10
国家自然科学基金(62276099)四川省自然科学基金面上项目(2023NSFSC0501)西南石油大学创新基金(642)。
评论