用于对齐不变脑表面分割的图域适应
图像与视频处理
2020-04-02 v1 计算机视觉与模式识别
摘要
脑皮层几何形状的变化为其分析带来诸多挑战。近期进展已能通过皮层数据上的图卷积直接跨多个脑表面学习表面数据。然而，当前图学习算法在跨被试脑表面数据未对齐时会失效，从而影响其处理多域数据的能力。对抗训练被广泛用于域适应以提升跨域分割性能。本文利用对抗训练来学习不一致图对齐下的表面数据。该新颖方法包含一个分割器（使用一组图卷积层以直接在源域脑表面上进行分区分割）和一个从分割结果预测图域的判别器。更确切地说，所提对抗网络学习将分区泛化到源域与目标域两者。我们在从 MindBoggle（最大的公开可用手动标注脑表面数据集）提取的多个目标域上，相较非对抗训练策略取得了 8% 的平均性能提升。
引用
@article{arxiv.2004.00074,
title = {Graph Domain Adaptation for Alignment-Invariant Brain Surface Segmentation},
author = {Karthik Gopinath and Christian Desrosiers and Herve Lombaert},
journal= {arXiv preprint arXiv:2004.00074},
year = {2020}
}