10:21arXiv cs.LG@Yuming Chen, Yuxin Xie, Tao Zhou, Yi Zhou提出CERS框架,将链式思维推理集成到半监督医学图像分割中,解决视觉-语义不匹配问题。利用大语言模型生成语言推理描述构建知识池,并设计语义感知参考选择策略,通过形态过滤和CoT一致性消除硬负样本。引入多尺度坐标注意力模块融合推理上下文,在多个基准上优于现有方法,尤其改善边界模糊和语义不一致。论文CERSChain-of-Thought医学图像分割半监督学习大语言模型推荐理由:这篇论文用CoT推理帮医学图像分割识别病理不同的病变,比只看像素的旧方法靠谱得多,尤其是处理边界模糊的情况。原文
10:05arXiv cs.AI@Tonghao Zhuang, Shanglong Hu, Yongsheng Luo, Zhiqi Zhang, Yu Li精选该研究提出了一种半监督框架,用于胎儿心脏超声图像的联合分割与分类。方法基于EchoCare多任务骨干网络,集成SAM-Med2D进行边界细化,并利用DINOv3提升伪标签质量。引入视图特定硬掩码和两阶段优化策略:EMA阶段巩固分割能力,分类微调阶段冻结分割参数并重置分类头,以恢复分类性能而不损害分割效果。在FETUS 2026排行榜上,该方法达到79.99%的Dice系数、61.62%的归一化表面距离和41.20%的F1分数,验证了其在产前先天性心脏病筛查中的有效性。代码已开源。论文半监督学习医学影像胎儿心脏超声SAM-Med2DDINOv3推荐理由:这项研究解决了胎儿心脏超声分析中标注数据稀缺的痛点,做医学影像AI的团队可以直接参考其半监督框架和开源代码,值得关注。原文