用于心胸比自动估计的无监督域适应
计算机视觉与模式识别
2018-07-11 v1
摘要
心胸比（CTR）是胸部 X 光片（CXRs）中心脏大小的临床度量，是心脏增大的关键指标。手动测量 CTR 耗时且受人为主观性影响，因此亟需设计辅助临床医生诊断过程的计算机辅助系统。然而，通过胸部器官分割自动估计 CTR 需要大量像素级标注数据，而这往往难以获取。为缓解该问题，我们提出一种基于对抗网络的无监督域适应框架。该框架从公开可用数据源中学习域不变特征表示，从而为无标签数据集产生准确的胸部器官分割。具体而言，我们提出一个模型，它强化了我们的直觉：预测掩码应当是域独立的。因此，我们引入一个判别器来区分分割预测与真值掩码。我们基于放射科医生的评估来评价系统的预测，并展示了其在心脏增大诊断中的临床实用性。最后，我们在 JSRT 数据集上说明我们模型的半监督性能同样极具前景。
引用
@article{arxiv.1807.03434,
title = {Unsupervised Domain Adaptation for Automatic Estimation of Cardiothoracic Ratio},
author = {Nanqing Dong and Michael Kampffmeyer and Xiaodan Liang and Zeya Wang and Wei Dai and Eric P. Xing},
journal= {arXiv preprint arXiv:1807.03434},
year = {2018}
}
备注
Accepted by MICCAI 2018