DGRTA:通过双门精细化和拓意识权重来进行内血管细分的跨模式无监督域调整

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算生物学 计算生物学

背景情况:

• 内血管细分对于诊断脑血管疾病至关重要.
• 目前的方法面临的挑战是由于有限的注释和在像CTA和TOF-MRA这样的成像模式之间进行域转移.

研究的目的:

• 为TOF-MRA内血管细分开发一个无监督域适应框架 (DGRTA).
• 克服手动注释和跨模式领域转移的局限性.

主要方法:

• DGRTA集成使用图像注册 (刚性和非刚性) 的跨模式伪标签生成.
• 双门精制策略 (DGR) 通过使用预测概率和图像强度来提高伪标签质量.
• 具有拓意识的权重机制 (TA) 使用持久图 (PD) 来根据拓差异调整损失权重.

主要成果:

• 在185个对联CTA/TOF-MRA案例中,DGRTA在四个骨干架构中展示了一致的性能改进.
• 带有DGRTA的注意力UNet获得了最高的性能:Dice 0.810,clDice 0.800,AHD 0.353毫米.
• 结果显著超过了基线模型 (p < 0.001).

结论:

• DGRTA为TOF-MRA提供了一个可行的无监督的跨模式细分解决方案.
• 该框架有效地减少了对大量手册注释的依赖.
• 突出了在血管成像应用中无监督域适应的潜力.