面向持续MRI分割的分布感知重放
图像与视频处理
2024-08-01 v1 计算机视觉与模式识别
摘要
医学图像分布因患者人群变化和图像采集差异而持续发生偏移。这些分布变化导致性能退化；持续学习旨在缓解这种退化。然而，只有结合数据重放策略的适应才能为医学图像分割带来实际理想的性能。此类重放违反了患者隐私，并且与大多数持续学习方法一样，忽略了来自分布外实例的意外变化。为超越这两个挑战，我们引入了一种分布感知重放策略，通过特征的自编码来缓解遗忘，同时利用学习到的特征分布来检测模型失效。我们在海马体和前列腺MRI分割上提供了经验验证。
引用
@article{arxiv.2407.21216,
title = {Distribution-Aware Replay for Continual MRI Segmentation},
author = {Nick Lemke and Camila González and Anirban Mukhopadhyay and Martin Mundt},
journal= {arXiv preprint arXiv:2407.21216},
year = {2024}
}