基于纵向泛化正则化的双元元学习用于全生命周期单次脑组织对分分割
计算机视觉与模式识别
2023-08-15 v1 人工智能
摘要
脑组织分割对神经科学和临床研究至关重要。然而，由于全生命周期中大脑的动态变化，纵向数据上的分割具有挑战性。以往研究主要关注带正则化的自监督，在针对特定年龄组微调时会丧失纵向泛化能力。本文中，我们提出一种双元元学习范式，以学习纵向一致表征并在微调时保持。具体而言，我们通过元特征学习得到一个即插即用的特征提取器来提取纵向一致的解剖表征，并通过元初始化学习得到一个良好初始化的任务头用于微调。此外，提出两类类感知正则化以鼓励纵向一致性。在 iSeg2019 和 ADNI 数据集上的实验结果证明了我们方法的有效性。我们的代码可在 https://github.com/ladderlab-xjtu/DuMeta 获取。
引用
@article{arxiv.2308.06774,
title = {Dual Meta-Learning with Longitudinally Generalized Regularization for One-Shot Brain Tissue Segmentation Across the Human Lifespan},
author = {Yongheng Sun and Fan Wang and Jun Shu and Haifeng Wang and Li Wang. Deyu Meng and Chunfeng Lian},
journal= {arXiv preprint arXiv:2308.06774},
year = {2023}
}
备注
ICCV 2023