学会忽略：面向多站点 MRI 分析的域适应
计算机视觉与模式识别
2022-06-08 v3
摘要
大规模图像数据集的有限可用性——主要由于数据隐私以及采集协议或硬件的差异——是医学中准确且可泛化机器学习方法开发中的一个重大问题。对于磁共振（MR）图像而言尤为如此，不同的 MR 扫描仪会引入一种限制机器学习模型性能的偏置。我们提出了一种新方法，通过对潜空间引入特定的额外约束，来学习忽略 MR 图像中存在的与扫描仪相关的特征。我们聚焦于一个真实世界的分类场景，其中仅有一个小数据集提供了所有类别的图像。我们的方法 Learn to Ignore (L2I) 在多站点 MR 数据集上针对多发性硬化患者与健康对照之间的分类任务，优于最先进的域适应方法。
引用
@article{arxiv.2110.06803,
title = {Learn to Ignore: Domain Adaptation for Multi-Site MRI Analysis},
author = {Julia Wolleb and Robin Sandkühler and Florentin Bieder and Muhamed Barakovic and Nouchine Hadjikhani and Athina Papadopoulou and Özgür Yaldizli and Jens Kuhle and Cristina Granziera and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2110.06803},
year = {2022}
}