论文标题：Shape-intensity knowledge distillation for robust medical image segmentation

期刊：Frontiers of Computer Science

作者：Wenhui DONG, Bo DU, Yongchao XU

发表时间：06 Sep 2024

DOI：10.1007/s11704-024-40462-2

微信链接：点击此处阅读微信文章

引用格式：

Wenhui DONG, Bo DU, Yongchao XU. Shape-intensity knowledge distillation for robust medical image segmentation. Front. Comput. Sci., 2025, 19(9): 199705

阅读原文：

文章精要

许多医学图像分割方法取得了良好的结果。然而，大多数现有方法并没有考虑形状-强度先验信息。这可能导致在未见数据集的图像上出现不符合解剖学结构的分割结果。

为了解决这一问题，该团队提出了一种新颖的融合形状-强度先验信息的方法，即利用知识蒸馏融合这种先验信息，提升了模型的分割性能，并同时增强了模型对未见数据集的泛化能力。在研究中，他们首先在没有纹理信息的类别平均了的训练图像上训练一个分割网络。这个分割网络编码了有用的形状-强度知识，并被视为教师网络。然后，他们在原始训练图像上使用与教师网络相同的网络架构训练学生分割网络。除了传统的分割损失外，他们在教师和学生网络的倒数第二层应用了一个蒸馏损失。通过这种方式，学生网络有效地融合了形状-强度先验信息，从而在源域和跨域数据集上都取得了更好的分割结果。这样设计的学生网络被作为最终的分割网络，在推理过程中不需要额外的计算成本，使其具有良好的临床应用价值。

图1：所提出方法的网络结构

在五种具有不同模态的医学图像分割任务上的广泛实验表明，他们提出的方法一致地提高了基准模型的性能，并且显著地提升了在未见数据集上的泛化能力。

图2：所提出的方法与相应基准模型(包括U-Net、SAUNet、PraNet、SANet、TransUnet、MaxStyle、SAMed、LM-Net和2D D-LKA)的平均性能的比较

未来的工作可以探索其他特征层的蒸馏和其他蒸馏损失函数，并将所提出的方法应用于3D医学图像分割任务。

期刊简介

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，南京大学支持，SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐B类期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；两次入选“中国科技期刊卓越行动计划”（一期梯队、二期领军）。

中国学术前沿期刊网

http://journal.hep.com.cn