来源：期刊VIP网 时间：
作者：李宇昕;王鑫龙;李军怀;张仟龙;李安安;
单位：西安理工大学计算机科学与工程学院;华中科技大学武汉光电国家研究中心;
摘要：血管分割是生物医学图像处理中常见的实验操作，是准确分析血管成像数据的基础。针对现有基于监督学习血管分割方法面临的标签数据难以获取、普适性差的问题，提出一种基于域迁移的弱监督学习血管图像分割实验方法。该方法基于循环生成对该抗网络进行无监督血管风格迁移，并利用极少量标签数据对网络进行监督优化。利用三种不同显微光学血管图像对该方法进行性能评估，结果表明，在仅使用少量标签数据的情况下，分割结果 F1值超过85%，血管长度密度差异和分叉点密度差异均低于10%，且能够用于大范围血管分析任务。该方法为血管分割提供了一种新的解决方案，提高了实验效率。
关键词：血管图像分割;;显微光学成像;;域迁移;;弱监督学习;;生物医学图像
基金资助：科技部科技创新2030重大项目（2021ZD0201002）;; 国家自然科学基金项目（82102137）;; 华中科技大学武汉光电国家研究中心开放基金（2021WNLOKF006）
