arXiv · 机器人与计算机视觉· Takuro Shimaya, Ryosaku Shino, Masahiro Saiko·· 16 天前AI 评分45
Peripheral Prototypical Contrastive Loss 提升医学图像分割鲁棒性
Peripheral prototypical contrastive loss for supervised medical image segmentation
AI 导读
Peripheral Prototypical Contrastive (PPC) loss 利用边界附近原型特征解决生物医学图像边界模糊难题,在含噪标签条件下仍保持训练稳定。实验显示该方法在多数据集上持续优于现有方法,且自适应局部区域策略进一步增强了鲁棒性。该成果已接受至 ISBI2026,为构建具备不完美标注能力的医学分割基础模型提供了可靠方案。
来源:arXiv · 机器人与计算机视觉 · arxiv.org