基于梯度图引导的自适应域泛化用于跨模态 MRI 分割
计算机视觉与模式识别
2023-11-17 v1
摘要
跨模态 MRI 分割对于计算机辅助医学诊断具有重要价值，可实现灵活的数据采集与模型泛化。然而，大多数现有方法难以处理域偏移中的局部变化，且通常需要大量训练数据，这阻碍了其实用性。为解决这些问题，我们提出了一种新颖的自适应域泛化框架，其集成了基于图像梯度图的无学习跨域表示，以及用于缓解局部域偏移的类别先验知情测试时自适应策略。我们在两个多模态 MRI 数据集上以六项跨模态分割任务验证了该方法。在所有任务设定下，我们的方法一致优于对比方法，并在训练数据有限时仍表现出稳定性能。
引用
@article{arxiv.2311.09737,
title = {Gradient-Map-Guided Adaptive Domain Generalization for Cross Modality MRI Segmentation},
author = {Bingnan Li and Zhitong Gao and Xuming He},
journal= {arXiv preprint arXiv:2311.09737},
year = {2023}
}
备注
9 pages, Machine Learning for Health (ML4H) 2023