用于无监督跨模态医学图像分割的语义引导解耦表示

解耦表示是一种在无监督域自适应设定下解决医学图像分析中域偏移问题的有力技术。然而，以往的方法仅关注提取域不变特征，而忽略了所提取的特征对下游任务是否有意义。我们提出了一种称为语义引导解耦表示（SGDR）的新框架，这是一种为分割任务提取语义有意义特征的有效方法，以在无监督域自适应设定下提升跨模态医学图像分割的性能。为提取不同模态的有意义域不变特征，我们引入了内容判别器以迫使内容表示嵌入到同一空间，以及特征判别器以提取有意义表示。我们还使用像素级标注来引导编码器学习对分割任务有意义的特征。我们在两个公开数据集上验证了我们的方法，实验结果表明我们的方法在两项评估指标上显著优于 SOTA 方法。