聚类熵：病理图像分割中的主动域适应
计算机视觉与模式识别
2023-04-27 v1 人工智能
机器学习
摘要
病理分割中的域偏移是一个重要问题，即在特定医院收集的源域上训练的网络由于图像特征不同，在来自不同医院的目标域上表现不佳。由于病理学中类别不平衡和类别先验不同的问题，通过对齐源域和目标域分布的典型无监督域适应方法效果不佳。本文提出一种聚类熵，用于选择有效的全切片图像（WSI），以进行半监督域适应。该方法通过计算各聚类的熵，可度量 WSI 的图像特征覆盖目标域整体分布的程度，并能显著提升域适应性能。我们的方法在两家医院收集的数据集上取得了优于现有方法的竞争性结果。
引用
@article{arxiv.2304.13513,
title = {Cluster Entropy: Active Domain Adaptation in Pathological Image Segmentation},
author = {Xiaoqing Liu and Kengo Araki and Shota Harada and Akihiko Yoshizawa and Kazuhiro Terada and Mariyo Kurata and Naoki Nakajima and Hiroyuki Abe and Tetsuo Ushiku and Ryoma Bise},
journal= {arXiv preprint arXiv:2304.13513},
year = {2023}
}
备注
Accepted by IEEE ISBI'23