A3-DualUD: アナトミック・アンカー・アラインメントによるソースフリー・無監督ドメインの適応と,クロス・モダリティの医療画像セグメンテーションのための二重経路の不確実性
Jie Zhou1, Yulong Shi1, Lin Qi2
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang 110000, China.
Computer methods and programs in biomedicine
|August 21, 2025
まとめ
この研究は,医療画像セグメンテーションのための新しいソースフリー無監督ドメイン適応 (SFUDA) メソッドを導入しています. このアプローチは,ソースデータを必要とせずにドメインの不一致を効果的に対処し,クロスモダリティのセグメンテーションの精度を高めます.
科学分野:
- 医療用イメージング
- コンピュータ・ビジョン
- 人工知能
背景:
- 自動化された医療画像セグメンテーションは診断と治療計画に不可欠です.
- クロスモダリティドメインの不一致はセグメンテーションアルゴリズムに課題をもたらします.
- 無監督ドメイン適応 (UDA) は,クロスモダリティセグメント化のために調査されていますが,従来の方法はソースデータにアクセスする必要があります.
研究 の 目的:
- クロスモダリティの医療画像セグメンテーションのための新しいソースフリー無監督ドメイン適応 (SFUDA) フレームワークを開発する.
- ソースデータにアクセスすることなく,事前に訓練されたソースモデルから標識されていないターゲットドメインへの知識転送を可能にします.
- 医療AIにおけるソースデータへのアクセスを伴うプライバシーとストレージの制限を克服する.
主な方法:
- アナトミック・アンカー・アラインメント (A3) を含むSFUDAの枠組みを提案した.
- A3はソースドメインの解剖学的なアンカーを抽出し,双方向的な制約を介してターゲットドメインの特徴と並べます.
- ドメインの適応時に信頼性の高い監視のために,デュアルパス不確実性デノイジング (DualUD) が導入されました.
主要な成果:
- クロスモダリティマルチオルガンセグメンテーションタスクにおける最先端のパフォーマンスを実証した.
- 腹部と心臓のデータセットで実験を行った.
- 提案されたアプローチは,機能レベルの分布の不一致を効果的に軽減します.
結論:
- アナトミックなアンカー・アラインメントとダブルパスの不確実性で,ドメインの不一致やプライバシーに関する懸念を効果的に解決します.
- このフレームワークは,医療イメージングにおけるSFUDAの強力な解決策を提供します.
- ソースコードは,再現性およびさらなる研究のために公開されています.
