@ARTICLE{10.3389/fradi.2022.1061402, AUTHOR={Rajapaksa, Sajith和Khalvati, Farzad}， TITLE={相关地图:一种磁共振成像中三维脑肿瘤的弱监督分割方法}，JOURNAL={放射学前沿}，VOLUME={2}， YEAR={2022}， URL={https://www雷竞技rebat.frontiersin.org/articles/10.3389/fradi.2022.1061402}， DOI={10.3389/frad .2022.1061402}， ISSN={2673-8740}， ABSTRACT={随着对医学成像的依赖程度的提高，深度卷积神经网络(cnn)已经成为基于医学成像的计算机辅助诊断管道中的重要工具。然而，训练准确可靠的分类模型通常需要大量细粒度注释数据集。为了缓解这种情况，可以使用弱监督方法从全局标签中获取局部信息，例如感兴趣的区域。这项工作提出了一种弱监督管道，使用局部扰动从预训练的3D分类模型中提取医学图像的相关性图。提取的关联图描述给定区域对分类模型的重要性，并对该区域进行分割。此外，我们提出了一种新的最优摄动生成方法，该方法利用3D超像素，使用U-net架构为给定的分类找到最相关的区域。该模型训练扰动损失，最大限度地提高了未扰动和扰动预测之间的差异。我们通过将其应用于仅使用胶质瘤类型分类标签的MRI扫描中胶质瘤脑瘤的分割，验证了我们的方法的有效性。该方法在分割骰子相似系数和可视化分辨率两方面均优于现有方法。}}