对比域分解分割网络

跨域泛化分割

通过对比学习促进域不变解剖特征与域特定风格的解耦，结合实时风格增强，使模型在未见域上保持分割精度。

Gu, Ran · 王国泰 · Lu, Jiangshan · Zhang, Jingyang · Lei, Wenhui · Chen, Yinan · 廖文俊 · 张石川 · 李康 · 张少霆

Medical Image Analysis 2023

技术优势

分解更彻底

采用对比损失使同域风格码更紧凑、跨域风格码更发散，从而提升域不变特征的纯度。

实时风格增强

在训练过程中实时合成具有未见风格的图像，同时保持解剖结构不变，提高模型对未知域的泛化能力。

应用场景

• 医学图像分割：直接用于新医院数据分割，减少重新标注。
• 跨中心影像分析：无需针对每个中心重新训练，直接跨中心部署。
• 智能医学影像：提升智能影像系统在真实临床环境中的稳定性。
• 可泛化视觉算法：提供一种增强视觉模型域泛化能力的通用策略。