如何利用大语言模型进行半监督医学图像分割？这篇文章给出了答案

PS：写在前面，近期感谢很多小伙伴关注到我写的论文解读，我也会持续更新吖~同时希望大家多多支持本人的公主号~

想了解更多医学图像论文资料请移步公主👸号哦~~~后期将持续更新！！
关注我，让我们一起学习新知识，一起进步吧~~~笔芯！！

---

目录

概览

Abstract

Background

Method

方法概述

Experiment

Conclusion

Assignment

历史文章

---

概览

论文标题：

Leveraging Task-Specific Knowledge from LLM for Semi-Supervised 3D Medical Image Segmentation

论文链接：

https://arxiv.org/pdf/2407.0508

关键词：

3D medical image segmentation, Semi-supervised learning, Deep learning, Large language model

---

Abstract

本文提出了一种创新的框架，该框架结合了大型语言模型（LLM）与半监督学习方法，用于3D医学图像分割任务。通过从LLM中提取与医学图像分割相关的任务特定知识，该框架能够有效地利用有限量的标注数据和大量未标注数据，提高分割模型的准确性和泛化能力。具体而言，作者设计了一种机制，将LLM中的知识转化为图像分割任务的先验知识，进而指导半监督学习过程中的伪标签生成和模型训练。

本文贡献：

1.提出一种融合LLM与半监督学习的框架：该框架能够利用LLM中丰富的知识库，为医学图像分割任务提供有价值的先验信息。

2. 设计知识转化机制：作者提出了一种创新的方法，将LLM中的文本知识转化为图像分割任务中可用的特征表示，解决了LLM与图像数据之间的模态差异问题。

3. 优化半监督学习过程