SynthMix：面向医学跨模态域适应的对齐合成混合方法
图像与视频处理
2023-05-09 v1 计算机视觉与模式识别
摘要
对抗方法通过生成合成图像来缓解域偏移（医学领域因标注数据难以获取而产生的常见问题）而展现出先进性能。现有研究多聚焦于修改网络架构，鲜有致力于 GAN 训练策略的工作。本文中，我们提出 SynthMix，一种具有自然且有效训练策略的附加模块，可在不改动网络架构的情况下提升合成质量。遵循 GAN 的对抗思想，我们设计了一种称为 SynthMix 的混合合成方案。它连贯地混合真实与合成样本的对齐图像，以激发细粒度特征的生成，并由一个关联的 Inspector 对域特定细节进行检验。我们在三个公开数据集上的两个分割基准上评估了该方法，结果表明与现有最先进方法相比，我们的方法取得了显著性能提升。
引用
@article{arxiv.2305.04156,
title = {SynthMix: Mixing up Aligned Synthesis for Medical Cross-Modality Domain Adaptation},
author = {Xinwen Zhang and Chaoyi Zhang and Dongnan Liu and Qianbi Yu and Weidong Cai},
journal= {arXiv preprint arXiv:2305.04156},
year = {2023}
}
备注
Accepted by The IEEE International Symposium on Biomedical Imaging (ISBI) 2023