对比图形建模用于跨域短拍数拍医疗图像分割

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 跨域短拍医疗图像细分 (CD-FSMIS) 对数据稀缺的医疗应用至关重要.
• 现有的方法通常通过删除域特定信息来牺牲源域准确性来进行概括.

研究的目的:

• 开发一种新的框架,即对比图模型 (C-Graph),可以提高CD-FSMIS的性能.
• 通过保留特定领域的信息和提高跨领域和源域准确性来解决现有方法的局限性.

主要方法:

• 将图像特征表示为图形,像素作为节点,语义亲和关系作为边缘.
• 引入一个结构优先图 (SPG) 层来捕获和转移目标类别节点依赖.
• 实施子图匹配解码 (SMD) 机制,用于使用语义关系进行指导预测.
• 设计一个减少混乱的节点对比 (CNC) 损失,以减少节点模糊性和增强可区分性.

主要成果:

• 在多个跨领域的基准指标上,C-Graph显著优于现有的CD-FSMIS方法.
• 该方法在跨领域细分方面实现了最先进的性能.
• 在源域上保持了强大的细分精度.

结论:

• 对于CD-FSMIS,C-Graph提供了一种数据效率高且有效的解决方案.
• 该框架成功地利用结构一致性作为一个可转移领域的优先事项.
• 通过提高概括性而不会影响源域性能,C-Graph在该领域取得了进步.