FAUDA-Net:用于多式联络医疗图像细分的频率感知无监督域适应网络
Yan Liu1, Yan Yang1, Yongquan Jiang1
1School of Computing and Artificial Intelligence, Southwest Jiaotong University, Chengdu 610031, Sichuan, China.
概括
本研究引入了一种频率感知无监督域适应网络 (FAUDA-Net),以改善跨不同域的医疗图像细分. 通过动态适应特征转移,FAUDA-Net提高了边界划分和细分的准确性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 无监督域适应 (UDA) 在医疗图像细分方面表现有前途.
- 数据集之间的显著领域转移仍然是当前UDA方法的挑战.
- 现有的UDA方法经常使用静态对齐,导致边界模糊和细节丢失.
研究的目的:
- 开发一个强大的跨领域解决方案,用于医疗图像细分.
- 为了解决UDA中静态对齐的局限性.
- 为了提高目标领域的边界划分和细分精度.
主要方法:
- 拟议的无监督域名适应频率意识网络 (FAUDA-Net).
- 引入了对域不变表示的双域分布中断.
- 使用频率约束 (相位和振幅) 进行跨域适应.
- 采用了频率意识的对比学习,用于特征对齐的频道自我注意.
主要成果:
- FAUDA-Net可以动态地适应特征分布的变化.
- 改进了边界划分,并保留了目标领域的结构细节.
- 在MMWHS17,BraTS21和PROMISE12数据集上表现优于八种最先进的方法.
- 在整体细分精度 (Dice) 和边界精度 (ASD) 方面都取得了卓越的性能.
结论:
- FAUDA-Net为多模式和多中心医疗图像细分提供了可靠和有效的解决方案.
- 频率意识的方法提高了对域移动的稳定性.
- 该方法在细分精度和边界划分方面提供了显著的改进.
