原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
摘要
目前，全监督的深度学习方法在医学图像分割任务中取得了最好的成绩。但
全监督方法依赖大量标注数据进行训练，而医学图像标注具有主观性差异，想要
获取大量有标记的同质数据较为困难。因此，半监督学习（Semi-SupervisedLearning，
SSL）成为解决数据稀缺问题的重要途径。但大多数现有半监督学习方法低估了训
练过程中未标记区域的重要性。并且这些半监督算法的精度还不够高，还难以投
入实际使用中。本文针对这些问题，
文档评论（0）