论文标题：Medical Image Segmentation with Limited Supervision: A Review of Deep Network Models 论文链接：https://arxiv.org/abs/2103.00429 作者单位：华侨大学 24页综述，共计327篇参考文献！本文对有限监督下的医学图像分割进行全面调研，如半/部分/不准确监督分割等，详细介绍了模型设计、学习策略和最新的解决方案/方法！

尽管深度学习方法在各种任务上表现出色，但大多数尖端模型仍然严重依赖大规模的带注释的训练示例，而这些示例通常不适用于临床和医疗保健任务。医学图像的标记成本非常高，尤其是在医学图像分割中，这通常需要密集的像素/体素标记。因此，强大的学习能力和从有限的监督中进行泛化的能力（包括数量有限的注释，稀疏注释和不准确的注释）对于深度学习模型在医学图像分割中的成功应用至关重要。但是，由于其固有的困难，在有限的监督下进行分割具有挑战性，因此需要特定的模型设计和/或学习策略。在本文中，我们提供了对上述解决方案的系统且最新的review，并对方法进行了总结和评论。我们还重点介绍了该领域中的几个问题，并讨论了未来的方向，以进行进一步的研究。

内容中包含的图片若涉及版权问题，请及时与我们联系删除