DoFE：面向域的特征嵌入用于未见数据集上可泛化的眼底图像分割
计算机视觉与模式识别
2020-10-14 v1
摘要
当测试数据集与训练数据集分布相同时，深度卷积神经网络显著提升了眼底图像分割的性能。然而在临床实践中，医学图像常因不同扫描仪厂商和图像质量等多种原因而在外观上呈现差异。这些分布差异可能导致深度网络在训练数据集上过拟合，并在未见测试数据集上缺乏泛化能力。为缓解此问题，我们提出一种新颖的面向域的特征嵌入（DoFE）框架，通过从多源域中探索知识来提升CNN在未见目标域上的泛化能力。我们的DoFE框架利用从多源域学到的额外域先验知识动态丰富图像特征，使语义特征更具判别性。具体而言，我们引入一个域知识池来学习并记忆从多源域提取的先验信息。然后，基于输入图像与多源域图像的相似性，从知识池诱导出面向域的聚合特征，对原始图像特征进行增强。我们进一步设计了一个新颖的域编码预测分支来推断该相似性，并采用注意力引导机制将聚合特征与语义特征动态结合。我们在两项眼底图像分割任务（包括视杯视盘分割和血管分割）上全面评估了我们的DoFE框架。我们的DoFE框架在未见数据集上生成了令人满意的分割结果，并超越了其他域泛化与网络正则化方法。
引用
@article{arxiv.2010.06208,
title = {DoFE: Domain-oriented Feature Embedding for Generalizable Fundus Image Segmentation on Unseen Datasets},
author = {Shujun Wang and Lequan Yu and Kang Li and Xin Yang and Chi-Wing Fu and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:2010.06208},
year = {2020}
}
备注
Accepted at IEEE-TMI 2020