面向数据高效撒哈拉以南非洲MRI胶质瘤分割的域自适应Transformer
图像与视频处理
2025-11-06 v1 计算机视觉与模式识别
摘要
胶质瘤分割对于诊断和治疗计划至关重要，但在撒哈拉以南非洲地区仍然具有挑战性，原因是有限的MRI基础设施和异质的采集协议导致了严重的域偏移。我们提出了SegFormer3D-plus，一种放射组学引导的Transformer架构，专为域变异下的鲁棒分割而设计。我们的方法结合了：（1）用于跨扫描仪强度协调的直方图匹配；（2）使用PCA降维k-means进行域感知分层采样的放射组学特征提取；（3）具有频率感知特征提取和空间-通道注意力的双路径编码器；以及（4）用于边界细化的复合Dice-交叉熵损失。在BraTS 2023上预训练并在BraTS-Africa数据上微调后，SegFormer3D-plus在异质的非洲临床扫描中展示了改进的肿瘤亚区分割和边界定位，突显了放射组学引导的域自适应在资源有限环境中的价值。
引用
@article{arxiv.2511.02928,
title = {Domain-Adaptive Transformer for Data-Efficient Glioma Segmentation in Sub-Saharan MRI},
author = {Ilerioluwakiiye Abolade and Aniekan Udo and Augustine Ojo and Abdulbasit Oyetunji and Hammed Ajigbotosho and Aondana Iorumbur and Confidence Raymond and Maruf Adewole},
journal= {arXiv preprint arXiv:2511.02928},
year = {2025}
}
备注
4 pages, 2 figures. Accepted as an abstract at the Women in Machine Learning (WiML) Workshop at NeurIPS 2025