Rectified Mixed-Label Learning for Semi-Supervised Medical Image Segmentation

Semi-supervised medical image segmentation (SSMIS) has gained increasing attention due to its potential to alleviate the manual annotation burden. However, existing works face two key challenges: i) how to deal with the information loss caused by learning labeled and unlabeled data in an inconsisten...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings (IEEE International Conference on Multimedia and Expo) s. 1 - 6
Hlavní autoři:	An, Zeyu, Chen, Zichong
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 30.06.2025
Témata:	Biomedical imaging Contrastive learning Data models Faces Image segmentation Manuals Medical Image Segmentation Mixed-Label Supervision Noise Prototype Learning Prototypes Reliability Semantics
ISSN:	1945-788X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!