面向内容检索的脑 MR 成像领域不变特征学习
机器学习
2025-09-22 v2 计算机视觉与模式识别
信息检索
摘要
在收集多机构脑 MR 图像进行大规模研究时，无法忽视各站点设备和协议差异带来的影响，这在近年来已成为一个显著问题. 本研究提出一种新型低维表示 (LDR) 获取方法，称为风格编码对抗域适应 (SE-ADA)，以实现脑 MR 图像的内容基于检索 (CBIR). SE-ADA 通过分离域特定信息并利用对抗学习最小化域差异来减少域间差异，同时保留病理特征. 在使用八个公开脑 MR 数据集 (ADNI1/2/3, OASIS1/2/3/4, PPMI) 进行评估实验比较 SE-ADA 与最新领域和谐方法时，SE-ADA 有效消除了域信息，同时保留了原始脑结构的关键方面，显示出最高的疾病检索准确率.
引用
@article{arxiv.2501.01326,
title = {Domain-invariant feature learning in brain MR imaging for content-based image retrieval},
author = {Shuya Tobari and Shuhei Tomoshige and Hayato Muraki and Kenichi Oishi and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:2501.01326},
year = {2025}
}
备注
6 pages, 1 figures. Accepted at the SPIE Medical Imaging 2025