多源无监督域名适应Fundus Lesion不同OCT设备的分段与时刻一致性

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在光学连贯断层扫描 (OCT) 图像中精确细分 fundus 病变对于诊断视网膜病变和胆管病变至关重要.
• 来自不同制造商的OCT图像引起的域名转移对传统的细分模型构成重大挑战.

研究的目的:

• 开发一个新的多源域适应框架,以对来自不同制造商的OCT图像进行强大的资金细分.
• 为了应对海上国家和地区图像分析领域转移的挑战,以改善眼科诊断.

主要方法:

• 一种多顺序的时刻一致性方法,使用时刻生成函数 (MGF) 调整跨域的特征分布.
• 一个基于扰乱的特征一致性策略,将语义一致性与特征分布对齐联系起来.
• 种群稳定性白化,以自动分离与风格相关的和与内容相关的特征.

主要成果:

• 拟议的框架显示出对具有不同OCT设备领域的数据集的最先进方法的显著优势.
• 多顺序时刻一致性和基于扰动的策略有效地调整了特征分布,并提高了模型的稳定性.
• 人口稳定白化成功地分离了风格和内容特征,提高了细分性能.

结论:

• 新的多源域调整框架有效地克服了在OCT图像细分中的域转移挑战.
• 拟议的方法创新导致在不同OCT设备上对 fundus 病变进行细分的卓越性能.
• 这项工作推进了OCT图像的自动化分析,帮助眼科医生诊断眼睛疾病.