用于嗜酸性粒细胞分割的扩散与多域自适应方法
图像与视频处理
2024-03-19 v1
摘要
嗜酸性食管炎目前对医疗提供者来说是一个具有挑战性的疾病。其病因目前未知，对患者日常生活的影响很大，且患病率正在上升。传统的医学图像诊断方法（如标准深度学习算法）受到数据量相对较少和泛化困难的限制。作为回应，出现了两种似乎表现良好的方法：扩散和多域方法，当前的研究工作更倾向于扩散方法。对于 EoE 数据集，我们发现多域对抗网络的 FID 为 42.56，优于基于扩散的方法的 50.65。未来关于扩散方法的工作应包括与多域自适应方法的比较，以确保实现最佳性能。
引用
@article{arxiv.2403.11323,
title = {Diffusion and Multi-Domain Adaptation Methods for Eosinophil Segmentation},
author = {Kevin Lin and Donald Brown and Sana Syed and Adam Greene},
journal= {arXiv preprint arXiv:2403.11323},
year = {2024}
}
备注
Preprint, Final Article Submitted to ICMVA 2024 and will be published in the International Conference Proceedings by ACM, Association for Computing Machinery (ISBN: 979-8-4007-1655-3), which will be archived in ACM Digital Library, indexed by Ei Compendex and Scopus