域自适应三维医学图像合成:一种高效无监督方法
图像与视频处理
2022-07-05 v1 计算机视觉与模式识别
摘要
医学图像合成因能生成缺失图像数据、改善诊断并惠及众多下游任务而受到越来越多的关注。然而,迄今所开发的合成模型无法适应呈现域偏移的未知数据分布,限制了其在临床常规中的适用性。本文致力于探索三维图像到图像合成模型的域自适应(DA)。首先,我们阐明了分类、分割与合成模型在 DA 上的技术差异。其次,我们提出一种基于二维变分自编码器逼近三维分布的高效自适应新方法。第三,我们针对自适应数据量与关键超参数的影响开展了实证研究。结果表明,所提方法能显著提升三维设定下对未知域的合成精度。代码已公开于 https://github.com/WinstonHuTiger/2D_VAE_UDA_for_3D_sythesis
引用
@article{arxiv.2207.00844,
title = {Domain-Adaptive 3D Medical Image Synthesis: An Efficient Unsupervised Approach},
author = {Qingqiao Hu and Hongwei Li and Jianguo Zhang},
journal= {arXiv preprint arXiv:2207.00844},
year = {2022}
}
备注
camera-ready version in MICCAI 2022