SmaRT：面向脑瘤 MRI 跨域分割的风格调制鲁棒测试时适应
计算机视觉与模式识别
2025-09-23 v1
摘要
可靠的脑瘤 MRI 分割对于治疗规划和疗效监测至关重要，但在源域训练的模型常因扫描仪和协议差异以及人群异质性导致的域迁移下表现不佳。这种差距在低资源和儿童脑瘤数据集中尤为突出，传统测试时或源自适应策略常因不稳定性和结构不一致性受限。我们提出SmaRT（Style-Modulated Robust Test-Time Adaptation），一种风格调制鲁棒测试时适应框架，实现源自适应的跨域泛化。SmaRT 集成风格感知数据增强以缓解外观差异，采用双分支动量策略实现稳定的伪标签细化，并通过结构性先验条件实现一致性、完整性和连通性。这种协同作用确保了在极端域迁移下的适应稳定性和解剖学忠实性。广泛评估表明，SmaRT 在非洭撒哈拉地区和儿童脑瘤数据集上持续超越最先进方法，在 Dice 准确率和边界精度方面实现显著提升。总体而言，SmaRT 弥合了算法进展与公平临床应用之间的鸿沟，支持 MRI 神经肿瘤工具在多样临床环境中的稳健部署。我们的源代码已提供于https://github.com/baiyou1234/SmaRT。
引用
@article{arxiv.2509.17925,
title = {SmaRT: Style-Modulated Robust Test-Time Adaptation for Cross-Domain Brain Tumor Segmentation in MRI},
author = {Yuanhan Wang and Yifei Chen and Shuo Jiang and Wenjing Yu and Mingxuan Liu and Beining Wu and Jinying Zong and Feiwei Qin and Changmiao Wang and Qiyuan Tian},
journal= {arXiv preprint arXiv:2509.17925},
year = {2025}
}
备注
11 pages, 6 figures