Cross-Modality Domain Adaptation

最新推荐文章于 2025-03-20 17:19:19 发布

原创

最新推荐文章于 2025-03-20 17:19:19 发布 · 2.2k 阅读

标签

#Domain adapt #多模态分割

收录于

这篇博客介绍了crossMoDA挑战中的无监督跨模态域自适应方法，针对前庭神经鞘瘤和耳蜗的分割任务。研究者们利用自训练和域转换技术，如CycleGAN、PAST和CUT，将有标签ceT1图像转换为hrT2，以提高模型在未标注数据上的性能。这些方法旨在通过减少域差距，提升医疗图像分析的鲁棒性和实用性。

Cross-Modality Domain Adaptation for Medical Image Segmentation

Unsupervised 3D Semantic Segmentation Domain Adaptation

领域适应（DA）最近引起了医学成像界的强烈兴趣。通过鼓励算法对未知情况或不同的输入数据域具有鲁棒性，域自适应提高了机器学习方法对各种临床环境的适用性。虽然已经提出了各种各样的 DA 技术用于图像分割，但这些技术中的大多数已经在私有数据集或小型公共可用数据集上得到验证。此外，这些数据集主要解决单类问题。为了解决这些限制，crossMoDA 挑战引入了第一个用于无监督跨模态域自适应的大型多类数据集。

Domain Adaptation (DA) has recently raised strong interests in the medical imaging community. By encouraging algorithms to be robust to unseen situations or different input data domains, Domain Adaptation improves the applicability of machine learning approaches to various clinical settings. While a large variety of DA techniques has been proposed for image segmentation, most of these techniques have been validated either on private datasets or on small publicly availa