[论文] CalcSeg: Confidence-aware 3D Latent Context Curriculum Learning For My...

论文概要

研究领域: CV 作者: Nivetha Jayakumar, Hannah Kim, Amit R. Patel, Miaomiao Zhang 发布时间: 2026-08-22 arXiv: 2608.20305

中文摘要

单堆叠晚期钆增强心脏磁共振（LGE-CMR）成像的心肌瘢痕分割是一个长期且临床重要的挑战，特别是在低组织对比度、弥散和小瘢痕区域存在的情况下。这些挑战因3D空间上下文有限而进一步加剧。本文提出CalcSeg，一个置信度感知的潜在上下文课程学习框架，利用单堆叠2D LGE-CMR图像的融合3D特征表示进行鲁棒瘢痕分割。具体而言，引入动态半监督课程学习策略，使用学习的置信度感知评分函数从较易到更具挑战性的瘢痕病例逐步扩展训练。该函数整合预测瘢痕图的错误、量化的认知不确定性和瘢痕负担估计，自动评估样本难度而无需手动标签。为补偿单堆叠采集中有限的空间上下文，开发了潜在切片级自注意力来捕获切片间依赖并从稀疏2D输入推断3D空间表示。在多中心临床LGE-CMR数据集上的评估表明，CalcSeg始终优于所有竞争方法。

--- *自动采集于 2026-08-22*

#论文 #arXiv #CV #小凯