通过配对一致性与对抗学习实现脑 MRI 的多域自适应
图像与视频处理
2019-09-18 v2 人工智能
计算机视觉与模式识别
机器学习
机器学习
摘要
在医学图像上训练的监督学习算法常无法泛化到采集参数变化的情况。近期域自适应工作应对了这一挑战,并成功利用源域中的标注数据在未标注目标域上表现良好。受半监督学习近期工作的启发,我们引入了一种从单一源域自适应到 个目标域(只要有覆盖所有域的配对数据)的新方法。我们的多域自适应方法利用一致性损失与对抗学习相结合。我们使用 MICCAI 2017 挑战赛数据作为源域和两个目标域,给出了脑 MRI 中白质病变高信号分割的结果。所提方法显著优于其他域自适应基线。
引用
@article{arxiv.1908.05959,
title = {Multi-Domain Adaptation in Brain MRI through Paired Consistency and Adversarial Learning},
author = {Mauricio Orbes-Arteaga and Thomas Varsavsky and Carole H. Sudre and Zach Eaton-Rosen and Lewis J. Haddow and Lauge Sørensen and Mads Nielsen and Akshay Pai and Sébastien Ourselin and Marc Modat and Parashkev Nachev and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:1908.05959},
year = {2019}
}
备注
Accepted at 1st International Workshop on Domain Adaptation and Representation Transfer held at MICCAI 2019