jBPM工作流实战图书出版了

本文提出了一种新的基于不确定性的半监督学习框架(UA-MT)，通过额外利用未标记的数据从3D MR图像中分割左心房。具体地说，本文建立了一个教师模型和一个学生模型，学生模型通过最小化标注数据上的分割监督损失和所有输入数据上的与教师模型预测输出的一致性损失进行优化。如果没有未标记输入中的注释，教师模型的预测目标可能不可靠且有噪声。：在估计不确定性 U 的指导下，我们过滤掉相对不可靠**（高不确定性），整个体积** U 的不确定性**是 {u} ∈ RH×W ×D。过滤掉高不确定性的，也就是熵大于某个值的。