面向多医院鼻咽癌肿瘤分割的双参考无源主动域适应方法
计算机视觉与模式识别
2023-09-26 v1
摘要
鼻咽癌(NPC)是一种常见且临床意义重大的恶性肿瘤，主要影响头颈部区域。精确勾画大体肿瘤体积(GTV)对于确保鼻咽癌的有效放疗起着关键作用。尽管近期方法在GTV分割上取得了有前景的结果，但它们仍受限于临床实践中缺乏精细标注数据以及难以获取多家医院的数据。尽管已有一些无监督域适应(UDA)被提出以缓解该问题，但无条件地映射分布会扭曲底层结构信息，导致性能下降。为应对这一挑战，我们设计了一种新颖的无源主动域适应(SFADA)框架，以促进GTV分割任务的域适应。具体而言，我们设计了一种双参考策略，从特定目标域中选取域不变与域特定的代表性样本进行标注和模型微调，而无需依赖源域数据。我们的方法不仅确保了数据隐私，还减轻了肿瘤科医生的工作负担，因为它仅需标注目标域中的少量代表性样本且无需访问源数据。我们收集了一个包含来自五家医院的1057名鼻咽癌患者的大规模临床数据集来验证我们的方法。实验结果表明，即便标注极少，我们的方法也优于UDA方法，并达到了与全监督上界相当的结果，凸显了我们方法的显著医学效用。此外，目前尚无公开的多中心鼻咽癌分割数据集，我们将发布代码与数据集以供未来研究。
引用
@article{arxiv.2309.13401,
title = {Dual-Reference Source-Free Active Domain Adaptation for Nasopharyngeal Carcinoma Tumor Segmentation across Multiple Hospitals},
author = {Hongqiu Wang and Jian Chen and Shichen Zhang and Yuan He and Jinfeng Xu and Mengwan Wu and Jinlan He and Wenjun Liao and Xiangde Luo},
journal= {arXiv preprint arXiv:2309.13401},
year = {2023}
}