以下内容转载自Science合作期刊：
作|者|团|队|介|绍
和清源
副主任技师
北京大学第三医院
颜鲲
博士后，助理研究员
北京大学计算机学院
王平
教授，博士生导师
北京大学软件工程国家工程研究中心
韩鸿宾
教授，博士生导师，主任医师，北京大学医学部医学技术研究院院长
北京大学第三医院
刘德风
副主任医师
北京大学第三医院
MRI（磁共振成像）分割是指根据组织类型、解剖结构或病理特征等特性，将MRI划分为不同区域或结构的过程。这种精确的分割为临床医生提供了对准确诊断、疾病追踪和治疗计划制定至关重要的见解。随着神经网络的兴起，基于深度学习的方法在各种MRI分割任务中取得了最先进的性能。然而，这些深度学习方法的有效性往往依赖大规模的密集标注，获取这些注释的成本极高且耗时，这严重阻碍了深度学习技术在现实世界医疗环境中进行MRI分割的应用。这一挑战促使了半监督学习技术的研究，这些技术旨在使用少量标注数据结合大量未标注数据来训练模型，同时获得令人满意的性能。
版权信息
本文由《健康数据科学（英文）》编辑部负责翻译、编写或约稿。中文内容仅供参考，所有内容请以英文原版为准。文中除标明来源的图片，其余均来自网络公开渠道，不能识别其来源，如有版权争议，请联系公号方。欢迎转发至朋友圈，如需转载，请联系hds@bjmu.edu.cn。未经授权的翻译是侵权行为，版权方保留追究法律责任的权利。
Data for Better Health｜数促健康、智赋医学
