基于目标-only 边际差异不匹配的无监督域适应
计算机视觉与模式识别
2026-03-11 v1
摘要
在介入放射学中，锥束计算机断层扫描 (CBCT) 是一种有用的成像模态，为 minimally 侵入性程序中的医生提供指导。CBCT 不同于传统计算机断层扫描 (CT)，其受限的重建视野、特定伪影以及血管内给药造影剂。尽管 CT 受益于大量公开标注数据集，但介入 CBCT 数据稀缺且大多未标注，现有数据集主要聚焦于放射治疗应用。为解决这一限制，我们利用专有的未标注介入 CBCT 扫描集合与标注 CT 数据，采用域适应技术弥合模态差异，提高在 CBCT 上进行肝脏分割性能。我们提出一种基于边际差异不匹配 (MDD) 正式化的新型无监督域适应 (UDA) 框架，通过重新表述原始 MDD 优化框架来提高目标域性能。针对 CT 和 CBCT 数据集进行的肝脏分割实验表明，我们的方法在 UDA 中以及在 few-shot 设置下均实现了最先进的性能。
引用
@article{arxiv.2603.09932,
title = {Unsupervised Domain Adaptation with Target-Only Margin Disparity Discrepancy},
author = {Gauthier Miralles and Loïc Le Folgoc and Vincent Jugnon and Pietro Gori},
journal= {arXiv preprint arXiv:2603.09932},
year = {2026}
}
备注
ISBI 2026