SS-CADA：一种用于冠状动脉分割的半监督跨解剖域适应方法
图像与视频处理
2021-05-07 v1 计算机视觉与模式识别
摘要
利用卷积神经网络分割冠状动脉前景广阔，但需要大量劳动密集的手动标注。由于视网膜血管与 X 射线血管造影（XAs）中的冠状动脉具有共同的管状结构，从广泛可用的公共标注眼底图像（FIs）中的视网膜血管迁移知识，有潜力减少冠状动脉分割的标注需求。然而，由于在不同解剖区域乃至不同成像协议下血管特性本质上的差异，跨解剖域偏移带来了挑战。为解决该问题，我们提出一种半监督跨解剖域适应（SS-CADA），其仅需有限的 XAs 中冠状动脉标注。借助少量标注 XAs 与公开标注 FIs 的监督，我们提出一种血管特异性批量归一化（VSBN），针对二者不同的跨解剖血管特性分别归一化特征图。此外，为进一步提升标注效率，我们采用自集成均值教师（SEMT），通过施加预测一致性约束来利用大量无标注 XAs。大量实验表明，我们的 SS-CADA 能够解决具有挑战性的跨解剖域偏移，在仅给定少量标注 XAs 的情况下实现冠状动脉的准确分割。
引用
@article{arxiv.2105.02674,
title = {SS-CADA: A Semi-Supervised Cross-Anatomy Domain Adaptation for Coronary Artery Segmentation},
author = {Jingyang Zhang and Ran Gu and Guotai Wang and Hongzhi Xie and Lixu Gu},
journal= {arXiv preprint arXiv:2105.02674},
year = {2021}
}