机构名称：
¥ 1.0
医学图像细分（MIS）在医疗治疗计划和机器人导航中起着至关重要的作用。MIS中的原型学习方法专注于通过像素型锻炼比较生成分割面具。然而，电流通常通过使用语义类别使用固定的原型来忽略样本多样性，并忽略每个输入中的类内部变化。在此pa-per中，我们建议为MIS生成实例自适应的预型，该预型集成了一个常见的原型建议（CPP）捕获常见的视觉效果和量身定制的实例特定于实例的原型建议（IPP）。为了进一步说明类内的变化，我们建议通过根据其置信度得分重新加权中间特征图来指导IPP生成。使用变压器解码器，这些置信度得分是分层的。此外，我们还引入了一种新颖的自我监督过滤策略，以优先考虑变压器解码器训练期间的前景像素。广泛的实验表明我们的方法表现出色。
通过自我...
主要关键词
相关文件推荐
