unORANIC：解剖结构与图像特征的无监督正交化
图像与视频处理
2023-08-31 v1 计算机视觉与模式识别
机器学习
摘要
我们提出 unORANIC，一种利用自适应损失函数驱动解剖结构与图像特征正交化的无监督方法。该方法适用于多种模态与任务，因其无需领域知识、配对数据样本或标签。在测试时，unORANIC 应用于可能受损的图像，将其解剖结构与特征分量正交化，随后重建无损坏图像，仅展现其域不变的解剖结构。该特征正交化进一步提升了针对损坏的泛化能力与鲁棒性。我们在 5 个独立数据集上通过评估 unORANIC 的分类准确率、损坏检测与修复能力，从定性与定量上证实了这一点。我们的方法在增强医学图像分析实际应用的泛化性与鲁棒性方面展现潜力。源代码见 https://github.com/sdoerrich97/unORANIC。
引用
@article{arxiv.2308.15507,
title = {unORANIC: Unsupervised Orthogonalization of Anatomy and Image-Characteristic Features},
author = {Sebastian Doerrich and Francesco Di Salvo and Christian Ledig},
journal= {arXiv preprint arXiv:2308.15507},
year = {2023}
}
备注
to be published in International Workshop on Machine Learning in Medical Imaging (MLMI 2023)