DuMeta++：面向多样年龄群的通用性少样本脑组织分割的时空双meta学习
计算机视觉与模式识别
2026-02-10 v1
摘要
脑组织从 MRI 扫描中精准分割是神经科学和临床应用的关键，但因脑部形态与结构在不同年龄段呈现动态变化，难以实现跨人生活阶段的稳健性能力。虽然已尝试通过结合自监督正则化和配对纵向数据以缓解此类漂移，但实际中常缺乏此类数据。为此，我们提出 \emph{DuMeta++}，一种无需配对纵向数据的双meta学习框架。我们的框架集成：(1) 元特征学习，以提取时空演化脑结构的年龄无关语义表征；(2) 元初始化学习，实现分割模型的数据高效适应。此外，我们提出基于记忆库的类别感知正则化策略，以无显式纵向监督实现纵向一致性。我们理论证明了 DuMeta++ 的收敛性，确保其稳定性。在 diverse 数据集 (iSeg-2019, IBIS, OASIS, ADNI) 上进行的few-shot 实验表明，DuMeta++ 在跨年龄泛化方面优于现有方法。代码将公开于 https://github.com/ladderlab-xjtu/DuMeta++。
引用
@article{arxiv.2602.07174,
title = {DuMeta++: Spatiotemporal Dual Meta-Learning for Generalizable Few-Shot Brain Tissue Segmentation Across Diverse Ages},
author = {Yongheng Sun and Jun Shu and Jianhua Ma and Fan Wang},
journal= {arXiv preprint arXiv:2602.07174},
year = {2026}
}