TMI‘25 | 通过双重相似性检查提升上下文学习医学图像分割的上下文效果

论文信息

题目：Boosting Your Context by Dual Similarity Checkup for In-Context Learning Medical Image Segmentation

通过双重相似性检查提升上下文学习医学图像分割的上下文效果

作者：Jun Gao, Qicheng Lao, Qingbo Kang, Paul Liu, Chenlin Du, Kang Li, Le Zhang

论文创新点

1. 双重相似性检查方法：提出了一种双重相似性检查方法，包括支持集检索和支持集增强两个关键步骤。通过评估候选上下文示例与查询图像之间的语义相似性，检索出与查询图像在语义上相似的支持集；进一步通过掩码外观对齐和加权采样策略，增强支持集的掩码外观与目标对象先验的一致性。
2. 掩码外观先验估计：开发了一种掩码外观先验估计