TMI2025 | 阿大、同济等提出TraCoCo，用于3D医学图像半监督分割

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

编辑 | ScienceAI

3D 医学图像分割方法已经取得了成功，但它们对大量体素级标注数据的依赖是一个需要解决的缺点，因为获取这些标注的成本很高。

半监督学习（SSL）通过使用大量未标注数据和少量标注数据进行模型训练，解决了这一问题。

最成功的 SSL 方法基于一致性学习，即通过最小化从扰动视图中获得的模型响应之间的距离来实现的。这些扰动通常在视图之间保持空间输入上下文的一致性，这可能导致模型从空间输入上下文中学习分割模式，而不是从前景对象中学习。

在最新的研究中，澳大利亚阿德莱德大学（The University of Adelaide）、同济大学等机构的研究人员提出了  TraCoCo，这是一种一致性学习 SSL 方法，它通过改变输入数据视图的空间输入上下文来进行扰动，使模型能够从前景对象中学习分割模式。

此外，该团队提出了一种新的“Confident Regional Cross entropy (CRC)”损失，该损失提高了训练收敛性，并保持了对共训练伪标签错误的鲁棒性。该方法在多个3D数据基准上达到了最先进的结果，例如左心房（LA）、胰腺CT（Pancreas）、和脑肿瘤分割（BraTS19）。该方法在一个 2D 切片基准——自动心脏诊断挑战（ACDC）上也取得了最佳结果，进一步证明了其有效性。

文章地址：https://ieeexplore.ieee.org/abstract/document/10695462

代码地址：https://github.com/yyliu01/TraCoCo

背景

3D医学图像分割方法虽然已取得成功，但它们依赖于大量体素级别标注数据，这是一个亟需解决的问题，因为获得这些标注的成本非常高。为了克服这一挑战，半监督学习（SSL）通过结合大量未标注数据和少量标注数据来训练模型，从而减少对标注数据的需求。

最成功的 SSL 方法基于一致性学习，通过最小化模型在未标注数据的不同扰动视图下的响应差异来实现一致性。然而，这些扰动通常保持视图之间的空间输入上下文较为一致，这可能导致模型从空间上下文中学习分割模式，而不是从前景对象中学习。

为解决这一问题，研究人员提出了一种新的 SSL 方法，称为 Translation Consistent Co-training（TraCoCo）。TraCoCo 通过改变输入数据视图的空间输入上下文来扰动视图，使模型能够从前景对象中学习分割模式。

同时，该研究还提出了一种新的 Confident Regional Cross-Entropy（CRC）损失，该损失旨在提高训练的收敛性并保持对共训练伪标签错误的鲁棒性。

Translation Consistent Co-training(TraCoCo)

TraCoCo是一种基于互助学习（Co-training）框架的方法，该框架通过翻译一致性（Translation Consistency）来扰动输入数据的空间上下文，从而减少模型对背景模式的“记忆”，确保模型专注于前景对象的分割。

模型框架

TraCoCo 包含两个初始参数不同的独立网络（通常为 VNet或 3D-UNet）。输入数据通过随机裁剪生成两个子体积（sub-volumes），这两个子体积的空间上下文不同，但在体素网格中存在重叠区域。

模型目标

为了确保模型在不同空间上下文下的前景分割结果一致，TraCoCo 引入了多种损失函数，包括监督学习损失、半监督学习损失和翻译一致性损失。本文的方法实现通过最小化以下损失函数来进行训练：

其中，分别由监督学习损失，半监督学习损失，和翻译一致性损失组成。

监督学习损失（SupervisedLearning Loss）

监督学习损失通过带标注的数据集 D_L 进行计算，包括体素级交叉熵损失（Cross-Entropy Loss）和 Dice损失，用来优化模型的分割性能。损失函数定义为：

TranslationConsistency Loss

Translation ConsistencyLoss 主要目标是确保模型在不同空间上下文下的分割结果一致。具体实现过程如下：从训练体积中随机提取两个中心不同的子体积

损失函数定义为：

Remover

几秒钟去除图中不需要的元素

304 查看详情

其中，公式 4 是 Kullback-Leibler（KL）散度，用于计算两个子体积在重叠区域的分割结果之间的差异；公式 5 是基于负熵的正则化损失，用于平衡训练体素中的前景和背景类。

半监督学习损失（Semi-supervisedLearning Loss）

半监督学习损失用于强化两个模型之间的分割一致性，Confident Regional Cross-Entropy (CRC) Loss, 其定义为：

3DCutMix

为了进一步提高训练的泛化性，本文采用了 3DCutMix 技术。实现为随机生成一个 3D 二值掩码，该掩码包含一个随机定义位置和尺寸的“1”方块。掩码应用在未标注数据和伪标签上，定义为：

实验

本文在四个公开的 3D 医学图像半监督分割数据集上进行了实验，包括：

左心房（Left Atrium, LA）：100 个 3D MRI 体积，其中 80 个用于训练，20 个用于测试。

胰腺 CT（Pancreas-CT）：82 个对比增强的 CT 扫描，采用特定的预处理步骤。

脑肿瘤分割 2019（BraTS19）：包含 335 个脑部 MRI 样本，每个样本包含四种扫描类型（T1, T1-ce, T2, FLAIR）。

自动心脏诊断挑战（ACDC）：该数据集包含 100 个心脏 MRI 扫描，本文使用了其 2D 切片进行半监督学习。

实验设置：采用了 VNet 和 3D-UNet 作为模型架构，实验评估指标包括Dice、Jaccard、平均表面距离（ASD）和 95%Hausdorff 距离（95HD）。实验结果显示，TraCoCo 在这些基准测试上均优于现有的最先进（SOTA）方法，特别是在标注数据较少的情况下。

总结

本文提出了 TraCoCo 和 CRC 损失在 3D 和 2D 医学图像分割任务中的有效性，证明了其在减少对背景模式的“记忆”以及提高前景对象分割精度方面的能力。

未来的工作计划包括扩展 TraCoCo 到更多复杂的医学图像任务，并在多模态医学图像中探索其半监督学习能力。

以上就是TMI2025 | 阿大、同济等提出TraCoCo，用于3D医学图像半监督分割的详细内容，更多请关注其它相关文章！

# 理论  # 最先进  # 辽阳seo优化平台  # 晋源区关键词排名  # 关键词优化排名网站询问c火16星  # 寿光营销推广软件有哪些  # 宁波微信营销推广方案  # 河南网站推广效果怎么样  # b2b的代表性网站优化  # 网站建设不可忽略细节  # 鞍山网络seo推广  # 广州seo网站官网  # 这可  # 来实现  # 采用了  # 而不  # 掩码  # 是从  # 这一  # 提出了  # 同济  # yy  # ai  # git  # 图像分割  # 智慧医疗 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 微软面向AI初学者推出免费网络课程  五项人工智能尚未能够实现的任务  苹果2万5的AR遭遇砍单95%：不及预期  普林斯顿Infinigen矩阵开启！AI造物主100%创造大自然，逼真到炸裂  “世界上最像人的机器人”接入 Stable Diffusion ，现场完成作画  微软bing聊天推出AI购物工具 可进行比价并查看历史最低价  pixivFANBOX 更新运营规则，禁止通过外链绕开 AI 生成禁令  2025 世界人工智能大会闭幕，32 个重大产业签约总额达 288 亿元  复盘MWC上海：AI大模型时代到来 通信网络将会怎样改变？  提高开发效率：AmazonCodeWhisperer与Amazon Glue的集成和生成式AI的应用  OpenAI已向中国申请注册“GPT-5”商标，此前已在美国提交申请  衡水市冀州中学机器人社团在世界机器人大赛中斩获佳绩  OpenAI CEO 山姆・阿尔特曼呼吁 AI 领域中美应当合作  RoboNeo什么时候上线  当一切设备都受到人工智能的控制  微盟宣布联合腾讯云共建行业大模型：加快激活AI大模型智能应用  携程发布旅游行业垂直大模型 梁建章：AI策略是做可靠的内容 放心的推荐  张朝阳陆川谈AI：大数据模型大幅提升工作效率，ChatGPT冲击最大的是内容创作领域  国内首款大尺寸仿鸵双足机器人“大圣”亮相，穿戴红色战袍  微软最新推出的NaturalSpeech2语音合成模型：提供更准确的语音重构，避免棒读效果  两架海燕号无人机交付中国气象局 助力建设国家级机动气象观测业务  “技术+实践+生态”三箭齐发，京东方抢占物联网高地  AI 助手 Copilot 上线，微软 Win11 Dev 预览版 Build 23493 发布  美图吴欣鸿：希望更多人用上AI时代的影像生产力工具  一公司推出喷火机器狗，可喷出 9 米长火焰  站在社会的高度理解人工智能  京东 AI 大模型官宣 7 月 13 日发布，还有重磅合作  XREAL发布新款硬件XREAL Beam投屏盒子：可悬停AR空间屏  “思享荟”沙龙热议AIGC与元宇宙 复旦大学赵星畅谈深度数字化  生成式人工智能来了，如何保护未成年人？ | 社会科学报  AI与5G的强强联合：唤醒数字时代的无尽潜能  「模仿学习」只会套话？解释微调+130亿参数Orca：推理能力打平ChatGPT  ​布局智能物联新时代,中国移动“5G+物联网”亮相2025 MWC  如何利用物联网技术提高企业生产线智能化水平，提升生产效率  时间、空间可控的视频生成走进现实，阿里大模型新作VideoComposer火了  智能手机应用中的人工智能的重要性  此「错」并非真的错：从四篇经典论文入手，理解Transformer架构图「错」在何处  争鸣：OpenAI奥特曼、Hinton、杨立昆的AI观点到底有何不同？  OPPO三方联合发布AI可持续发展白皮书，坚持发展健康AI生态  数字文明尼山对话 | 在东方圣城与AI潮流梦幻联动，看“智慧大脑”让数字山东更美好  金山办公：AI是重要的产品战略之一  两型无人机完成交付！国家级机动观测业务正式启动  不止“文心一言”，消息称百度将推出全新 AI 对话软件“万话”  OpenAI宣布组建新团队 以控制“超级智能”人工智能  智能客服进入AI 2.0时代 容联云发布语言大模型“赤兔”  五款 AI 网站构建器，任何人都能快速构建网站  7大探索区域打造沉浸式玩乐“元宇宙” 昆明京东MALL未来科技探索官全城招募中  月薪6万，哪些AI岗位在抢人？  复旦发布「新闻推荐生态系统模拟器」SimuLine：单机支持万名读者、千名创作者、100+轮次推荐  “可用”“有用”的讯飞星火认知大模型将亮相世界人工智能大会