面向未见域可泛化医学图像分割的域组合与注意力方法

由于数据通常从不同机构使用各种成像协议和扫描仪获取，域可泛化模型在医学图像分析中正受到越来越多的关注。为应对这一具有挑战性的域泛化问题，我们提出了一种基于域组合与注意力（DCA-Net）的网络，以提升域表示与泛化能力。首先，我们提出一种域组合方法，通过一组基表示（即表示库）的线性组合来表示某一特定域。其次，提出一种新颖的即插即用并行域感知器来学习这些基表示，并引入散度约束函数以鼓励基表示尽可能分散。然后，提出一种域注意力模块来学习基表示的线性组合系数。线性组合的结果用于校准输入图像的特征图，使模型能够泛化到不同甚至未见过的域。我们在来自六个不同机构、具有明显域偏移的公开前列腺 MRI 数据集上验证了我们的方法。实验结果表明，我们提出的模型在不同甚至未见域上均能良好泛化，并在多域前列腺分割任务上优于最先进的方法。