U-Net的前几层比最后几层包含更多域特定信息
图像与视频处理
2020-08-18 v1 计算机视觉与模式识别
机器学习
摘要
MRI扫描的外观显著依赖于扫描协议，因而也依赖于数据采集机构。临床站点间的这些差异导致CNN在未见域上的分割质量急剧下降。许多近期提出的MRI域适应方法通过对CNN最后几层进行操作来抑制域偏移。同时，MRI可变性的核心表现是图像强度的显著多样性。我们假设这些差异可通过修改前几层而非最后几层来消除。为验证这一简单想法，我们使用来自六个域的脑MRI扫描进行了一组实验。我们的结果表明：1）域偏移即使对于简单的脑提取分割任务也会恶化质量（surface Dice Score从0.85-0.89甚至降至0.09）；2）在几乎所有监督域适应设置中，前几层的微调显著优于最后几层的微调。此外，若来自新域的标注数据量严格受限，前几层微调是比整个网络微调更好的策略。
引用
@article{arxiv.2008.07357,
title = {First U-Net Layers Contain More Domain Specific Information Than The Last Ones},
author = {Boris Shirokikh and Ivan Zakazov and Alexey Chernyavskiy and Irina Fedulova and Mikhail Belyaev},
journal= {arXiv preprint arXiv:2008.07357},
year = {2020}
}
备注
Accepted to DART workshop at MICCAI-2020