人工智能技术在医学影像领域的应用是医学研究的热点之一。然而,这一领域最近的成功主要依赖于大量仔细注释的数据,而对医学图像进行注释是一个昂贵的过程。在本文中,我们提出了一种新的方法,称为FocalMix,据我们所知,这是第一个利用半监督学习(SSL)的最新进展来进行3D医学图像检测的方法。我们对两个广泛应用的肺结节检测数据集LUNA16和NLST进行了广泛的实验。结果表明,与最先进的监督学习方法相比,我们提出的SSL方法可以通过400个未标记的CT扫描实现高达17.3%的实质性改进。

成为VIP会员查看完整内容
55

相关内容

CVPR is the premier annual computer vision event comprising the main conference and several co-located workshops and short courses. With its high quality and low cost, it provides an exceptional value for students, academics and industry researchers. CVPR 2020 will take place at The Washington State Convention Center in Seattle, WA, from June 16 to June 20, 2020. http://cvpr2020.thecvf.com/
【CVPR2020-北京大学】自适应间隔损失的提升小样本学习
专知会员服务
84+阅读 · 2020年6月9日
【CVPR2020-Oral】用于深度网络的任务感知超参数
专知会员服务
26+阅读 · 2020年5月25日
3D目标检测进展综述
专知会员服务
191+阅读 · 2020年4月24日
【CVPR2020】MSG-GAN:用于稳定图像合成的多尺度梯度GAN
专知会员服务
28+阅读 · 2020年4月6日
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
70+阅读 · 2019年10月18日
【泡泡点云时空】FlowNet3D:学习三维点云中的场景流
泡泡机器人SLAM
41+阅读 · 2019年5月19日
该如何对「半监督学习算法」实际性应用进行评估?
炼数成金订阅号
7+阅读 · 2018年4月27日
【推荐】伪标签学习导论 - 一种半监督学习方法
机器学习研究会
12+阅读 · 2017年10月5日
Arxiv
11+阅读 · 2018年7月8日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员