用于自动胎儿脑部生物测量的双重对抗校准框架
图像与视频处理
2021-08-31 v1 计算机视觉与模式识别
机器学习
摘要
本文提出一种受中低收入国家需求驱动的自动胎儿脑部生物测量新方法。具体而言，我们利用高端（HE）超声图像构建面向低成本（LC）床旁超声图像的生物测量方案。我们提出一种新颖的无监督域适应方法，训练深度模型对图像类型间显著的影像分布偏移保持不变性。我们所提方法采用双重对抗校准（DAC）框架，包含对抗通路以强制模型对以下两者不变：i) 源自 LC 图像的特征空间对抗扰动，以及 ii) 外观域差异。我们的双重对抗校准方法在低成本超声设备图像上估计小脑横径和头围的平均绝对误差（MAE）分别为 2.43mm 和 1.65mm，而 SOTA 分别为 7.28mm 和 5.65mm。
引用
@article{arxiv.2108.12719,
title = {A Dual Adversarial Calibration Framework for Automatic Fetal Brain Biometry},
author = {Yuan Gao and Lok Hin Lee and Richard Droste and Rachel Craik and Sridevi Beriwal and Aris Papageorghiou and Alison Noble},
journal= {arXiv preprint arXiv:2108.12719},
year = {2021}
}
备注
CVAMD ICCV 2021