医图顶刊 TMI'24 | FPL+：用于3D医学图像分割的基于过滤伪标签的无监督跨模态适应

文章预览

点击下方“ ReadingPapers ”卡片，每天获取顶刊论文解读 论文信息 题目：FPL+: Filtered Pseudo Label-Based Unsupervised Cross-Modality Adaptation for 3D Medical Image Segmentation FPL+：用于3D医学图像分割的基于过滤伪标签的无监督跨模态适应 作者：Jianghao Wu, Dong Guo, Guotai Wang, Qiang Yue, Huijun Yu, Kang Li, and Shaoting Zhang 摘要 将医学图像分割模型适应到新领域对于提高其跨领域可转移性至关重要，并且由于昂贵的标注过程，无监督领域适应（UDA）是吸引人的，其中只需要未标记的图像即可进行适应。现有的UDA方法主要基于图像或特征对齐，并使用对抗训练进行正则化，但它们受到目标领域中监督不足的限制。在本文中，作者提出了一种增强型的基于过滤伪标签（FPL+）的UDA方法，用于3D医学图像分割。它首先使用跨领域数据增强将源领域中的标记图像转换为包含伪源域集和伪目标 ………………………………