利用光学相干断层扫描中的中间重构以实现医学图像分割的测试时适应
计算机视觉与模式识别
2026-03-06 v1
摘要
Primary health care 常依赖低成本成像设备，这些设备通常用于筛查。为确保准确诊断，这些系统依赖于旨在逼近高质量设备性能的先进重构算法。这些算法通常采用包含领域特定先验知识的迭代重构方法。然而，下游任务性能通常仅使用最终重构图像进行评估，从而忽略了在重构过程中生成的具有信息性的中间表示。本文提出了 IRTTA，通过在测试时利用这些中间表示来适应归一化层参数。适应器网络基于当前重构时间尺度进行调制，在测试时学习得得。该方法通过对所有单个时间步的平均熵损失进行学习。时间步分段的变异性还提供了额外成本的不确定性估计。该方法增强了分割性能，实现了在不修改重构过程或下游模型的前提下进行语义上有意义的不确定性估计。
引用
@article{arxiv.2603.05041,
title = {Exploiting Intermediate Reconstructions in Optical Coherence Tomography for Test-Time Adaption of Medical Image Segmentation},
author = {Thomas Pinetz and Veit Hucke and Hrvoje Bogunovic},
journal= {arXiv preprint arXiv:2603.05041},
year = {2026}
}
备注
Accepted at MIDL 2026