SSL4MIS

医学图像分割的半监督学习。

• [新] 我们已转向一个关于医学图像分析中主动学习与无源域适应的新课题，这可能更贴近真实临床需求。新基准见此处。
• 我们正在重构代码库以支持5折交叉验证并随机选择标注病例，重构后的方法见该分支。
• 近年来，半监督图像分割已成为医学图像计算领域的热门话题，但遗憾的是，由于隐私政策等原因，仅有少量开源代码和数据集。为便于评估和公平比较，我们正努力构建一个半监督医学图像分割基准，以推动医学图像计算社区中的半监督学习研究。如有兴趣，可随时向本仓库提交您的实现或想法，或联系我。
• 本仓库已重新实现了以下半监督方法（针对半监督医学图像分割进行了部分修改，更多细节请参考原始论文）：(1) Mean Teacher；(2) Entropy Minimization；(3) Deep Adversarial Networks；(4) Uncertainty Aware Mean Teacher；(5) Interpolation Consistency Training；(6) Uncertainty Rectified Pyramid Consistency；(7) Cross Pseudo Supervision；(8) Cross Consistency Training。