C-MADA：用于医学图像分割的无监督跨模态对抗域适应框架
图像与视频处理
2021-11-01 v1 计算机视觉与模式识别
摘要
深度学习模型已在医学图像分析中取得最先进的结果。然而，当这些模型在未见域上测试时，性能出现显著下降。本工作中，我们提出一种用于医学图像分割的无监督跨模态对抗域适应 (C-MADA) 框架。C-MADA 以顺序方式实现图像级与特征级适应方法。首先，通过带循环一致性损失的未配对图像到图像对抗翻译，将源域图像翻译到目标域。然后，以对抗方式用映射后的源域图像与目标域图像训练 U-Net 网络，以学习域不变特征表示。此外，为提升网络分割性能，在对抗训练中纳入了预测分割的形状、纹理与轮廓信息。C-MADA 在脑 MRI 分割任务上测试，取得了有竞争力的结果。
引用
@article{arxiv.2110.15823,
title = {C-MADA: Unsupervised Cross-Modality Adversarial Domain Adaptation framework for medical Image Segmentation},
author = {Maria Baldeon-Calisto and Susana K. Lai-Yuen},
journal= {arXiv preprint arXiv:2110.15823},
year = {2021}
}
备注
5 pages, 1 figure