• 목록

[일시] 2024.02.08

[세미나 주제] Local contrastive loss with pseudo-label based self-training for semi-supervised medical image segmentation

[요약]
현재 많은 지도학습 기반의 방식들이 state-of-the-art의 성능을 보이고 있지만, 이러한 방법은 많은 양의 labeled dataset을 요구한다는 한계점이 있다. 이러한 점은 병리 분야와 같은 경우에 적용되기에 어려운 점이 있다는 한계점이 있다. 이에 대해 본 논문에서는 semi-supervised medical image segmentation에 대해서 self-training 기반의 pseudo-label을 사용한 local contrastive loss 구조를 제안한다. 제안하는 방식은 기존의 segmentation 네트워크에 대해서 segmentation loss, local contrastive loss를 연산하는 두 개의 branch 구조의 joint training framework이며 이를 iterative 한 방식으로 training하는 전체 프로세스를 제안한다. 제안한 방식을 통해서 class 내의 similarity와 class간의 dissimilarity를 높이는 방법으로 학습하는 결과를 확인할 수 있었다. 뿐만 아니라 network에 대한 초기 initialization에 대한 pre-trained network 사용의 효율성까지도 실험적으로 증명하는 결과를 보였다.

[참고 논문]
- Local contrastive loss with pseudo-label based self-training for semi-supervised medical image segmentation

[녹화 영상 링크]
https://us02web.zoom.us/rec/share/ShChfUcsoiTKcsKH5OYYAp5lNSXfjrn35qKBWjeq3_nAftNaiy8uy5qFJ9wnI6eu.OYTYW7MS741XDdm7