基于患者水平诊断结果的 Ulcerative Colitis 严重程度估计域适应方法
计算机视觉与模式识别
2025-09-19 v1
摘要
估计Ulcerative Colitis（UC）严重程度的方法开发至关重要。然而，这些方法常常因不同医院的影像设备和临床环境差异导致出现域迁移问题。尽管已提出多种域适应方法以解决域迁移问题，但仍面临目标域缺乏监督或标注成本高的挑战。为此，我们提出一种新型弱监督域适应方法，利用患者水平诊断结果——这些诊断结果在UC诊断中常规记录——作为目标域的弱监督信号。所提方法通过共享聚合标记（Shared Aggregation Tokens）和最大严重程度三元组损失（Max-Severity Triplet Loss）实现跨域的类别级分布对齐，该损失函数利用患者诊断由每个患者最严重区域决定的特点。实验结果表明，我们的方法优于比较型域适应方法，显著改善了在域迁移设置下的UC严重程度估计。
引用
@article{arxiv.2509.14573,
title = {Domain Adaptation for Ulcerative Colitis Severity Estimation Using Patient-Level Diagnoses},
author = {Takamasa Yamaguchi and Brian Kenji Iwana and Ryoma Bise and Shota Harada and Takumi Okuo and Kiyohito Tanaka and Kaito Shiku},
journal= {arXiv preprint arXiv:2509.14573},
year = {2025}
}
备注
Accepted to MICCAI workshop 2025 (International conference on machine learning in medical imaging)