自训练提升跨中心冠状血管分割

针对X射线造影冠状血管分割在外部数据上性能不足的问题，研究团队利用ARCADE数据集的nnU-Net预测和减影图像生成伪标签进行自训练。该方法旨在不依赖额外人工标注的情况下，提升模型在跨中心场景下的表现。在XCAD外部数据集评估中，该方法将宏平均Dice分数提高了2.7分（95% CI 2.3-3.2），而对照组性能下降0.6分。研究结果表明，自训练的收益取决于生成初始伪标签模型的敏感度，且使用完全标注模型可显著提升无标注数据集的性能。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。