基于随机�幅谱合成的单源域泛化医学图像分割
计算机视觉与模式识别
2024-09-10 v1
摘要
医学图像分割领域面临着由于临床数据集中的域迁移导致的域泛化（DG）挑战。由于医学数据稀缺和隐私 concerns，DG挑战尤为困难。传统的单源域泛化（SSDG）方法主要依赖堆叠数据增强技术以最小化域间差异。在本文中，我们提出随机�幅谱合成（RASS）作为医学图像的训练增强。RASS通过从频率视角模拟分布变化来增强模型的泛化能力。该策略通过对�幅依赖性扰动以确保对潜在域变异的广泛覆盖。此外，我们提出随机遮罩混洗和重构组件，可增强骨干网络处理结构信息的能力，并提高其对内部和跨域变化的鲁棒性。我们提出的随机�幅谱合成用于单源域泛化（RAS^4DG）在3D胎儿脑图像和2D眼底摄影上进行验证，实现了比其他SSDG模型更好的DG分割性能。
引用
@article{arxiv.2409.04768,
title = {Medical Image Segmentation via Single-Source Domain Generalization with Random Amplitude Spectrum Synthesis},
author = {Qiang Qiao and Wenyu Wang and Meixia Qu and Kun Su and Bin Jiang and Qiang Guo},
journal= {arXiv preprint arXiv:2409.04768},
year = {2024}
}
备注
11 pages, 4 figures, Medical Image Computing and Computer Assisted Intervention 2024