组织病理学图像中的跨语义域对抗

在计算机视觉中，数据偏移已被证明是安全且鲁棒深度学习应用的主要障碍。在医学应用中，组织病理学图像常伴随数据偏移且难以获取。理解在利用所有可用数据的情况下，模型能在多大程度上对数据偏移保持鲁棒十分重要。在此，我们首先表明，若错误使用域对抗方法，其可能极具危害性。随后，我们利用域对抗方法将数据集偏移不变性从具有不同语义的一个数据集迁移到另一个数据集，并表明域对抗方法在跨语义情形下与同语义域对抗方法性能相近且同样高效。