基于无监督域自适应的 COVID-19 CT 感染分割网络
图像与视频处理
2021-09-13 v2
摘要
计算机断层扫描（CT）图像中感染区域的自动分割已被证明是 COVID-19 的有效诊断方法。然而，由于像素级标注医学图像数量有限，精确分割仍是一大挑战。本文提出一种基于无监督域自适应的分割网络，以提升 COVID-19 CT 图像中感染区域的分割性能。具体而言，我们提出利用合成数据与有限的未标注真实 COVID-19 CT 图像联合训练分割网络。此外，我们设计了一种新颖的域自适应模块，用于对齐两个域并有效提升分割网络对真实域的泛化能力。另提出一种无监督对抗训练方案，促使分割网络学习域不变特征，从而可利用鲁棒特征进行分割。实验结果表明，我们的方法在 COVID-19 CT 图像上取得了最先进的分割性能。
引用
@article{arxiv.2011.11242,
title = {Unsupervised domain adaptation based COVID-19 CT infection segmentation network},
author = {Han Chen and Yifan Jiang and Murray Loew and Hanseok Ko},
journal= {arXiv preprint arXiv:2011.11242},
year = {2021}
}