用于前庭神经鞘瘤与耳蜗分割的跨模态域适应
图像与视频处理
2021-11-10 v4 计算机视觉与模式识别
摘要
从磁共振成像（MRI）中自动分割前庭神经鞘瘤（VS）肿瘤和耳蜗对 VS 治疗规划至关重要。尽管监督方法在 VS 分割中已取得令人满意的性能，但它们需要专家的完整标注，这费力且耗时。本工作中，我们旨在以无监督域适应设定解决 VS 和耳蜗分割问题。我们提出的方法同时利用图像级域对齐以最小化域差异，以及半监督训练以进一步提升性能。此外，我们提出通过噪声标签校正融合多个模型预测的标签。我们在挑战验证排行榜上的结果显示，我们的无监督方法取得了有前景的 VS 和耳蜗分割性能，平均 Dice 系数为 0.8261 0.0416；肿瘤的平均 Dice 值为 0.8302 0.0772。这与基于弱监督的方法相当。
引用
@article{arxiv.2109.06274,
title = {Cross-Modality Domain Adaptation for Vestibular Schwannoma and Cochlea Segmentation},
author = {Han Liu and Yubo Fan and Can Cui and Dingjie Su and Andrew McNeil and Benoit M. Dawant},
journal= {arXiv preprint arXiv:2109.06274},
year = {2021}
}