SSL4MIS: 医学图像分割中半监督学习的文献综述与代码实现合集

简介：
简介：本文献综述和代码库汇集了医学图像分割领域内半监督学习方法的研究进展，旨在为研究者提供全面资源。 近年来，半监督图像分割在医学图像计算领域变得越来越重要。然而，由于隐私策略等因素的影响，目前仅有少数开源代码及数据集可供使用。为了方便评估与公平比较的目的，我们正在努力创建一个专门用于半监督医学图像分割的基准平台，并借此推动该领域的研究进展。如果您对此感兴趣，请随时将实现成果或想法提交至我们的存储库。 该项目最初是为支持先前的研究工作而设立的。如果本项目对您的科研活动有所助益，请考虑引用以下文献： @article{luo2020urpc, title={Efficient Semi-supervised Gross Target Volume of Nasopharyngeal Carcinoma Segmentation via Uncertainty Rectified Pyramid Consistency}, author={Luo, Xiangde and Liao, Wen}