基于对抗学习的医学图像分割领域自适应研究

作者：王绍帆; 马驰^*; 胡辉; 路生亮

来源：计算机应用研究, 2022, 39(04): 1270-1273.

DOI：10.19734/j.issn.1001-3695.2021.07.0334

• 医学图像分割
• 无监督领域自适应
• 条件生成对抗网络
• 深度学习
• 领域知识的协同融合

为了解决跨领域医学图像分析中不匹配的问题，提出了一种基于对抗学习的无监督领域自适应框架(UAL-DAF)。具体而言，该框架通过外观转移模块(ATM)和结合条件生成对抗网络的语义转移模块(STM)分别缩小了跨领域医学图像外观和语义层次的差异。最后，在具有挑战性的医学图像分割实验中，结果显著优于已有方法。因此，该框架能够提取领域自适应知识的外观和语义层次信息，实现领域知识的协同融合。

• 单位
  惠州学院; 辽宁科技大学