ACM MM‘24 | 解剖先验引导的空间对比学习用于少样本医学图像分割
发布日期:2025-06-08 03:34:37 浏览次数:4 分类:精选文章

本文共 359 字,大约阅读时间需要 1 分钟。

论文题目:Anatomical Prior Guided Spatial Contrastive Learning for Few-Shot Medical Image Segmentation

论文作者:Wendong Huang, Jinwu Hu, Xiuli Bi, Bin Xiao

论文创新点

本文首次提出一种结合解剖学先验知识的空间对比学习方法,用于解决少样本医学图像分割问题。通过有效利用支持图像和查询图像中的固有解剖学知识,本文构建了一个概率网络模型,使其能够学习更具区分性的嵌入特征。同时,设计了一种相互引导解码器(Mutually Guided Decoder, MGD),通过信息交互机制显著提升了查询特征的识别能力,使模型能够更准确地结合空间对比学习结果,从而实现了对复杂医学图像的高效分割。

上一篇:AI模型部署落地综述(ONNX/NCNN/TensorRT等)
下一篇:ACM MM‘24 | 医学图像分类中类别增量学习的不平衡问题解决方法

发表评论

最新留言

初次前来,多多关照!
[***.217.46.12]2026年06月19日 02时41分51秒