新的无监督域自适应框架提高了医学图像分割的精度

最近，一个研究团队开发了一种无监督域自适应(UDA)方法，即保留语义的双域分布破坏(DDSP)框架，实现了不依赖目标模态标签的高精度跨模态分割。该团队由中国科学院深圳先进技术研究院(SIAT)的秦文建教授领导。

该研究结果发表在《医学图像分析》杂志上。

医学成像是现代诊断的基石。然而，成像模式的多变性和目标标签的稀缺性对精确分割提出了重大挑战。

为了解决这个问题，研究人员提出了 DDSP 框架，这是UDA 的范式转变，提供了一种不同于生成对抗网络 (GAN) 复杂性的新颖解决方案。这种方法支持一种本质上自适应且不受领域变化影响的模型，从而简化了流程并提高了可靠性。

“DDSP 体现了简单和高效的本质，”秦教授说。“它利用分布破坏模块来增加源域周围图像分布的多样性，同时受到语义信息的约束，以促进对不同分布的适应，从而超越了基于 GAN 方法的复杂性。”

此外，研究人员还通过引入通道间相似性特征对齐来增强该框架，巧妙利用了不同成像模式中一致的语义信息和解剖一致性，从而提高了该框架在特征识别方面的灵活性和准确性。