DRMC：一种用于多中心 PET 图像合成的带动态路由的通用模型
图像与视频处理
2023-07-12 v1 计算机视觉与模式识别
机器学习
摘要
多中心正电子发射断层扫描（PET）图像合成旨在从多个不同中心恢复低剂量 PET 图像。由于不同成像系统/协议的中心间数据分布非一致所导致的域偏移，现有方法的泛化性在多中心研究中仍可能欠佳。尽管一些方法通过为每个中心训练专用模型来解决域偏移，但它们参数效率低下且不能很好地利用跨中心共享知识。为此，我们开发了一种跨中心共享架构与参数的通用模型以利用共享知识。然而，该通用模型会受中心干扰问题影响，即因数据分布非一致，不同中心的梯度方向可能不一致甚至相反。为缓解此种干扰，我们引入一种带跨层连接的新型动态路由策略，将不同中心的数据路由至不同专家。实验表明，我们的带动态路由的通用模型（DRMC）在跨中心上展现出优异的泛化性。代码与数据见：https://github.com/Yaziwel/Multi-Center-PET-Image-Synthesis。
引用
@article{arxiv.2307.05249,
title = {DRMC: A Generalist Model with Dynamic Routing for Multi-Center PET Image Synthesis},
author = {Zhiwen Yang and Yang Zhou and Hui Zhang and Bingzheng Wei and Yubo Fan and Yan Xu},
journal= {arXiv preprint arXiv:2307.05249},
year = {2023}
}
备注
This article has been early accepted by MICCAI 2023,but has not been fully edited. Content may change prior to final publication