マルチモード心臓画像セグメンテーションのための少数ショット教師なし領域適応【JST・京大機械翻訳】

Gu Mingxuan; Vesal Sulaiman; Kosti Ronak; Maier Andreas

プレプリント

J-GLOBAL ID：202202211880607630 整理番号：22P0281546

マルチモード心臓画像セグメンテーションのための少数ショット教師なし領域適応【JST・京大機械翻訳】

Few-shot Unsupervised Domain Adaptation for Multi-modal Cardiac Image Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月28日プレプリントサーバーでの情報更新日： 2022年01月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

教師なしドメイン適応(UDA)法は,非ラベル標的ドメインと標識ソースドメインデータを用いることにより,ソースとターゲットドメイン間のギャップを縮小することを意図するが,医用ドメインでは,標的ドメインデータは常に容易に入手できず,新しいサンプルを得ることは,一般的に時間がかかる。これは新しいドメインのためのUDA法の開発を制限する。本論文では,1つのラベルなし標的患者サンプルだけが利用できる現実的なシナリオで,より挑戦的なUDAの可能性を調べた。著者らは,それを少数ショット教師なしドメイン適応(FUDA)と呼ぶ。まず,ソース画像からターゲットスタイル画像を生成し,ランダム適応インスタンス正規化(RAIN)を持つ単一ターゲット患者から多様なターゲットスタイルを探索する。次に,セグメンテーションネットワークを,生成されたターゲット画像を用いて教師つき方法で訓練した。著者らの実験は,FUDAがベースラインと比較してターゲットドメインでDiceスコアの0.33によってセグメンテーション性能を改善し,また,より厳密なワンショット設定においてDiceスコア改善の0.28を与えることを示した。著者らのコードは,ウルル{https://github.com/MingxuanGu/Few shot UDA}で利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , ,

前のページに戻る