NCAdapt：基于领域特定神经细胞自动机的动态适应方法用于持续海马体分割
图像与视频处理
2024-11-01 v1 计算机视觉与模式识别
摘要
医学成像中的持续学习（CL）面临一个独特挑战，要求模型在适应新领域的同时保留先前获取的知识。我们提出了NCAdapt，一种基于神经细胞自动机（NCA）的方法，旨在解决这一挑战。NCAdapt具有领域特定的多头结构，为每个遇到的新领域将可适应的卷积层集成到NCA主干中。初始训练后，NCA主干被冻结，仅新添加的由384个参数组成的可适应卷积层与领域特定的NCA卷积一起进行训练。我们在海马体分割任务上评估了NCAdapt，将其性能与具有最先进（SAO）持续学习方法的Lifelong nnU-Net和U-Net模型进行了基准测试。我们的轻量级方法达到了SAO性能，强调了其在解决医学成像中CL挑战方面的有效性。一旦被接收，我们将公开我们的代码库以支持可复现性并推动医学CL的进一步发展。
引用
@article{arxiv.2410.23368,
title = {NCAdapt: Dynamic adaptation with domain-specific Neural Cellular Automata for continual hippocampus segmentation},
author = {Amin Ranem and John Kalkhof and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2410.23368},
year = {2024}
}