基于图像到图像翻译的MRI体分割与分类无监督域适应
图像与视频处理
2023-02-17 v1
摘要
无监督域适应是域适应的一种，利用来自源域的带标签数据和来自目标域的无标签数据。在医学图像分割的跨模态域适应挑战赛（crossMoDA2022）中，提供增强对比的T1 MRI脑体数据作为源域数据，高分辨率T2 MRI体数据作为目标域数据。crossMoDA2022挑战赛包含两项任务：前庭神经鞘瘤（VS）和耳蜗的分割，以及VS的Koos分级分类。在本报告中，我们展示了针对crossMoDA2022挑战赛的解决方案。我们采用图像到图像翻译方法进行无监督域适应，并采用残差U-Net进行分割任务。分类任务我们使用SVM。实验结果表明，分割任务的平均DSC和ASSD分别为0.614和2.936，分类任务的MA-MAE为0.84。
引用
@article{arxiv.2302.08016,
title = {Unsupervised Domain Adaptation for MRI Volume Segmentation and Classification Using Image-to-Image Translation},
author = {Satoshi Kondo and Satoshi Kasai},
journal= {arXiv preprint arXiv:2302.08016},
year = {2023}
}