可靠源近似：面向 vestibular schwannoma MRI 分割的源自由无监督域适应
图像与视频处理
2024-05-28 v1 计算机视觉与模式识别
摘要
源自由无监督域适应（SFUDA）近期在医学图像领域成为焦点，因为它仅利用源模型且不需要目标数据的标注。然而，当前的 SFUDA 方法无法解决跨不同 MRI 序列进行复杂分割任务的问题，如 vestibular schwannoma 分割。为此，我们提出了可靠源近似（RSA）方法，通过生成结构保持的源类图像来更新模型参数并适应域迁移。具体而言，RSA 部署条件扩散模型，在目标图像边缘变化的指导下生成多个类似源的图像。随后引入不确定性估计模块以预测并细化生成图像的可靠伪标签，并发展预测一致性以选择最可靠的生成结果。随后，所有可靠生成图像及其伪标签用于模型更新。我们在多模态 MRI 上的 vestibular schwannoma 分割任务中验证了 RSA 的有效性。实验结果表明，RSA 在其他最先进 SFUDA 方法上持续实现性能提升。代码已公开：https://github.com/zenghy96/Reliable-Source-Approximation
引用
@article{arxiv.2405.16102,
title = {Reliable Source Approximation: Source-Free Unsupervised Domain Adaptation for Vestibular Schwannoma MRI Segmentation},
author = {Hongye Zeng and Ke Zou and Zhihao Chen and Rui Zheng and Huazhu Fu},
journal= {arXiv preprint arXiv:2405.16102},
year = {2024}
}
备注
Early accepted by MICCAI 2024