如何在标注数据几乎为零的情况下训练超声语言分割模型
研究人员提出了一种模型适应新超声图像集的方法,无需访问原始数据:该方法结合了伪标注细化、轮廓质量控制以及目标域风格的合成图像生成。即使仅从五个标注帧开始,该方法也能显著提升分割精度。

超声图像中的语言分割对于分析发音和诊断言语障碍至关重要,但收集并标注这些数据十分困难:需要专家参与,而且不同设备采集的图像差异很大。当标注数据几乎不存在时,标准神经网络训练无法奏效:模型会记住特定数据源的特征,无法泛化到新场景。

为什么这很困难
问题不仅在于标注数量少。舌部超声数据由不同传感器、以不同设置、在不同人群身上采集,因此每个新数据集的图像分布都各不相同。这被称为域偏移(domain shift)。如果在一个数据集上训练模型,再应用到另一个数据集,分割质量会急剧下降。经典的适配方法需要访问源域的标注数据,但在实际任务中,往往只有预训练模型和新域的未标注图像。
核心思路:无源域适配(source-free adaptation)
近期研究的作者提出了一种框架,能够在完全没有标注数据、也无法访问原始图像的情况下,将模型适配到新域。该框架以轻量级骨干网络 UltraUNet 为基础,该网络仅用五张标注图像进行预训练。这是一个刻意设置的薄弱起点——它模拟了因数据不足而导致模型欠拟合的情况。随后进行目标域适配,而目标域中完全没有标注样本。
带过滤的伪标签
首先,模型对目标图像进行预测。这些粗糙的掩码被称为伪标签。但不能全盘信任它们:部分轮廓可能不准确,甚至完全错误。因此,该框架使用一个专门的轮廓质量控制模块,用于筛除不可靠的掩码。剩余的干净伪标签进入训练流程。这个过程迭代进行——每经过一轮循环,标签质量都会提升,模型也能更好地适应目标域。

目标风格合成数据
此外,框架还使用了一种分割引导的条件生成对抗网络(GAN),用于生成目标域风格的合成“图像-掩码”对。这类似于数据增强,但数据并非通过随机变换生成,而是专门针对新域的风格进行生成。学生模型在三种数据源的混合上进行训练:干净的伪标注目标图像、带一致性正则化的噪声伪标签,以及生成的合成样本。这种混合方式使模型对错误具有鲁棒性,并帮助其避免在噪声上过拟合。
实验结果
该方法在由八个舌部超声数据集组成的12对“源域-目标域”组合上进行了验证。在所有实验中,所提出的框架均优于基线方法,包括在有限数据上进行常规监督学习的方法。分割重叠率(overlap)和轮廓精度均得到提升。作者得出结论:伪标签精炼和目标域风格的合成增强是实现几乎无需标注即可适配的关键组件。
这种方法开辟了一条实用路径:只需在小型数据集上训练一次模型,然后逐步将其适配到新条件——新传感器、不同的传感器位置或不同的患者群体——而无需繁重的人工标注。
常问问题
相关材料
所有材料
OpenCollab:可编程智能体协调、受控执行环境与规程遵循度指标
该框架将智能体交互结构的设定、统一的实验环境和详细的事件追踪整合在一起;新增的 Adherence 指标则反映实际执行与声明方案的符合程度。在基准测试中,Duo 配置达到新的 SOTA 水平,而单智能体版本的 token 消耗量最低。
11 十一月 2026
Toollery:从数万种选项中为 LLM 智能体挑选工具,无需微调
Toollery 根据技能和工具的描述构建搜索索引,并在收到请求时只向模型传递有限的一组候选项。在规模达数万个函数的库上进行的实验表明,该方法在固定 top-K 的情况下能够保持选择质量,但最终效果取决于负载特征和服务提供商的缓存情况。
11 十一月 2026
仪表板分析中 GUI 智能体的分阶段诊断:DashAct 基准测试
介绍 DashAct:一个包含 348 条经人工验证轨迹的基准测试,将 GUI 代理与交互式面板的工作拆分为三个阶段和四种视觉条件。结果显示,代理在动作预测和视觉目标定位方面存在持续性问题,其响应也依赖于上下文和空间支持。
11 十一月 2026