基于频域分析的超声域适应
图像与视频处理
2021-09-22 v1
摘要
在利用模拟超声数据训练神经网络时，一个常见问题是域偏移问题，即合成数据上训练的模型无法泛化到临床数据。近来，傅里叶域适应（FDA）在计算机视觉领域被提出，通过用真实样本（目标）替换合成样本（源）低频谱的幅度来解决域偏移问题。该方法在超声成像中颇具吸引力，因为合成与真实超声数据之间的两个重要差异由真实组织中未知的衰减值与声速（SOS）引起。衰减导致 B 超图像幅度缓慢变化，而 SOS 失配产生像差及后续模糊。因此，两种域偏移均造成包络数据低频分量的差异，而这些分量在所提方法中被替换。我们证明，将 FDA 方法应用于由 Field II 模拟的合成数据，在乳腺病灶分割任务中获得了高出 3.5% 的 Dice 相似系数。
引用
@article{arxiv.2109.09969,
title = {Ultrasound Domain Adaptation Using Frequency Domain Analysis},
author = {Mostafa Sharifzadeh and Ali K. Z. Tehrani and Habib Benali and Hassan Rivaz},
journal= {arXiv preprint arXiv:2109.09969},
year = {2021}
}