[深度学习从入门到女装]Few-shot 3D Multi-modal Medical Image Segmentation using Generative Adversarial Learning

论文地址：Few-shot 3D Multi-modal Medical Image Segmentation using Generative Adversarial Learning

 

这是一篇使用GANs进行semi-supervised 3D多模态医学图像分割的论文

 

 

对于semi-supervised任务，本文对GANs的loss进行改进：

由于对于K+1个分类情况下，最后一个对于fake的预测是基于softmax的，所以使用K+1个分类loss就显得多余，于是本文只采用K个输出，相当于多softmax进行一个normalized

因此，修改过的loss为：

 

对于semi-supervised任务来说，如果使用normal GAN中的generator loss 可能会导致不稳定性，因此本文加入了Feature Matching loss在discriminator中，f得到的是discriminator（U-net）中encoding path的倒数第二层的activation结果

 

对于上文讲的FMloss，会带来FM可能只match了first-order的统计，generator最终会进行trivial，