基于聚合特征域适应的宫颈癌剂量图预测
图像与视频处理
2023-08-22 v1 计算机视觉与模式识别
摘要
近来，深度学习（DL）通过预测精准剂量图，显著自动化并加速了临床放射治疗（RT）计划。然而，大多数基于 DL 的剂量图预测方法是数据驱动的，不适用于仅少量数据可用的宫颈癌。为解决该问题，本文提出从另一种癌症即直肠癌（其扫描区域相同且临床可用数据更多）迁移所学知识，通过域适应提升宫颈癌剂量图预测性能。为缩小源域（即直肠癌）与目标域（即宫颈癌）之间的先天性域差距，我们开发了有效的基于 Transformer 的聚合特征模块（PFM），其可生成最优聚合特征分布以平滑对齐两个输入分布。在两个内部临床数据集上的实验结果证明了所提方法相对于最先进方法的优越性。
引用
@article{arxiv.2308.10142,
title = {Polymerized Feature-based Domain Adaptation for Cervical Cancer Dose Map Prediction},
author = {Jie Zeng and Zeyu Han and Xingchen Peng and Jianghong Xiao and Peng Wang and Yan Wang},
journal= {arXiv preprint arXiv:2308.10142},
year = {2023}
}
备注
Accepted and presented in ISBI 2023. To be published in Proceedings