半教師付き医療画像セグメンテーションのための驚くほど単純な一貫性正則化手法

医療画像セグメンテーションタスクにおいて、ピクセルレベルのアノテーションの不足は一般的な問題となっています。本論文では、半教師付き医療画像セグメンテーション向けに、補間ベースのミキシングを用いた新しい正則化戦略を提案します。提案手法は、2つの未ラベルデータの補間のセグメンテーションが、それらデータのセグメンテーションマップの補間と一貫性を持つことを促進する新たな一貫性正則化戦略です。この手法は、高信頼度値でのラベル付きデータの過学習を最小限に抑えるために役立つ特定のデータ適応型正則化パラダイムを表しています。提案手法は、敵対的モデルや生成モデルよりも優れていますが、追加の計算が必要ないためです。ACDCおよびMMWHSという2つの公開MRIデータセットで評価した結果、実験的な証拠から提案手法が既存の半教師付きモデルに対して優れていることが示されました。コードは以下のURLで入手可能です: https://github.com/hritam-98/ICT-MedSeg