人工标注

LETCP：一种基于标签高效 Transformer 的脑肿瘤分割对比预训练方法

摘要：脑肿瘤图像的人工标注成本高且严重依赖于医生的专业知识，这限制了临床实践中自动化和精准脑肿瘤分割的实现。同时，未标记图像随处可见但尚未得到很好的利用。本文提出了一种提高标记图像分割效率的新脑肿瘤分割方法，称为LETCP。具体而言，它提出了一种对比预训练策略，利用未标记数据进行模型预训练。该方法中的分割模型是基于自注意力转换器构建的。在三个公共数据集上对该方法进行了广泛的评估。通过使用未标记数据进行预训练，然后使用少量标记数据进行微调，该方法实现了超越其他半监督方法的分割性能，并且与监督方法相比表现出了竞争力。