MAPSeg：基于 3D 掩码自编码与伪标注的异构医学图像分割统一无监督域适应
计算机视觉与模式识别
2024-04-02 v3 人工智能
机器学习
摘要
鲁棒分割对于从大规模、多中心及纵向医学扫描中导出定量指标至关重要。然而，手动标注医学扫描昂贵且费力，并且并非在每个域中都可用。无监督域适应（UDA）是一项被广泛研究的技术，它通过利用另一域中可用的标签来缓解这一标签稀缺问题。在本研究中，我们引入掩码自编码与伪标注分割（MAPSeg），这是一个具有高度通用性与优越性能的 UDA 框架，用于异构体积医学图像分割。据我们所知，这是首项系统回顾并开发框架以应对医学图像分割中四种不同域偏移的研究。更重要的是，MAPSeg 是首个可应用于 、 和 UDA 且保持相当性能的框架。我们在私有婴儿脑 MRI 数据集和公开心脏 CT-MRI 数据集上将 MAPSeg 与先前最先进方法比较，MAPSeg 大幅优于其他方法（私有 MRI 数据集上 Dice 提升 10.5，公开 CT-MRI 数据集上提升 5.7）。MAPSeg 具有重大实用价值，可应用于现实问题。GitHub: https://github.com/XuzheZ/MAPSeg/。
引用
@article{arxiv.2303.09373,
title = {MAPSeg: Unified Unsupervised Domain Adaptation for Heterogeneous Medical Image Segmentation Based on 3D Masked Autoencoding and Pseudo-Labeling},
author = {Xuzhe Zhang and Yuhao Wu and Elsa Angelini and Ang Li and Jia Guo and Jerod M. Rasmussen and Thomas G. O'Connor and Pathik D. Wadhwa and Andrea Parolin Jackowski and Hai Li and Jonathan Posner and Andrew F. Laine and Yun Wang},
journal= {arXiv preprint arXiv:2303.09373},
year = {2024}
}
备注
CVPR 2024 camera-ready (8 pages, 3 figures) with the supplemental materials (5 pages, 4 figures). Xuzhe Zhang and Yuhao Wu are co-first authors. Andrew F. Laine and Yun Wang are co-senior supervising authors