Unsupervised Domain Adaptation with Dual-Scheme Fusion Network for Medical Image Segmentation

计算机科学 人工智能 分割 领域(数学分析) 模式识别(心理学) 图像分割 推论 计算机视觉 图像(数学) 数学 数学分析
作者
Danbing Zou,Qikui Zhu,Pingkun Yan
标识
DOI:10.24963/ijcai.2020/455
摘要

Domain adaptation aims to alleviate the problem of retraining a pre-trained model when applying it to a different domain, which requires large amount of additional training data of the target domain. Such an objective is usually achieved by establishing connections between the source domain labels and target domain data. However, this imbalanced source-to-target one way pass may not eliminate the domain gap, which limits the performance of the pre-trained model. In this paper, we propose an innovative Dual-Scheme Fusion Network (DSFN) for unsupervised domain adaptation. By building both source-to-target and target-to-source connections, this balanced joint information flow helps reduce the domain gap to further improve the network performance. The mechanism is further applied to the inference stage, where both the original input target image and the generated source images are segmented with the proposed joint network. The results are fused to obtain more robust segmentation. Extensive experiments of unsupervised cross-modality medical image segmentation are conducted on two tasks -- brain tumor segmentation and cardiac structures segmentation. The experimental results show that our method achieved significant performance improvement over other state-of-the-art domain adaptation methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
可爱的函函应助bubble采纳,获得30
刚刚
2秒前
2秒前
合适的芷巧完成签到,获得积分20
3秒前
苏素发布了新的文献求助10
3秒前
wanci应助科研通管家采纳,获得10
4秒前
上官若男应助科研通管家采纳,获得10
4秒前
SciGPT应助科研通管家采纳,获得10
4秒前
Carhao应助科研通管家采纳,获得10
4秒前
CipherSage应助科研通管家采纳,获得10
4秒前
我是老大应助科研通管家采纳,获得10
4秒前
赘婿应助科研通管家采纳,获得10
4秒前
Yziii应助科研通管家采纳,获得20
4秒前
4秒前
4秒前
wanci应助科研通管家采纳,获得10
4秒前
科研通AI2S应助科研通管家采纳,获得20
4秒前
脑洞疼应助科研通管家采纳,获得10
4秒前
科目三应助科研通管家采纳,获得10
4秒前
发疯的面完成签到,获得积分10
4秒前
JamesPei应助科研通管家采纳,获得10
5秒前
完美世界应助科研通管家采纳,获得10
5秒前
CodeCraft应助科研通管家采纳,获得10
5秒前
大模型应助科研通管家采纳,获得10
5秒前
小二郎应助科研通管家采纳,获得10
5秒前
5秒前
5秒前
5秒前
6秒前
Hello应助不吃湘菜采纳,获得10
6秒前
Eric_Zhang完成签到,获得积分10
6秒前
7秒前
7秒前
乐乐应助张秋雨采纳,获得10
7秒前
7秒前
陈陈发布了新的文献求助10
7秒前
余笑发布了新的文献求助10
7秒前
ylh完成签到,获得积分10
8秒前
seven发布了新的文献求助50
8秒前
罗_应助吴兰田采纳,获得10
8秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
《粉体与多孔固体材料的吸附原理、方法及应用》(需要中文翻译版,化学工业出版社,陈建,周力,王奋英等译) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3083403
求助须知:如何正确求助?哪些是违规求助? 2736768
关于积分的说明 7542379
捐赠科研通 2386033
什么是DOI,文献DOI怎么找? 1265316
科研通“疑难数据库(出版商)”最低求助积分说明 613035
版权声明 597816