目录 前言 概述 具体实现 实验 总结 参考 前言 这次我们要解读的工作发表在 IPMI 2023（IPMI全名 Information Processing in Medical Imaging，两年一届，是医学影像分析处理领域公认的最具特色的会议），同时也是 Test Time Adaptation 系列的文章，之前的 TTA 论文解决在： CoTTA EcoTTA
超级会员免费看
本文介绍了在 IPMI 2023会议上发表的研究，提出了一种名为UPL-TTA的全测试时间适应方法，用于改善深度学习模型在医学图像分割中的性能。UPL-TTA利用Test Time Growing生成伪标签，并结合不确定性估计进行监督，从而在不依赖源模型训练策略的情况下，适应目标领域的数据分布。实验结果显示，该方法在跨模态的胎儿脑分割任务上优于现有TTA技术。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
