当前位置：
X-MOL 学术
›
IEEE Trans. Med. Imaging
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
无监督域自适应医学图像分割的双重对抗注意机制
IEEE Transactions on Medical Imaging ( IF 8.9 ) Pub Date : 2022-06-27 , DOI: 10.1109/tmi.2022.3186698 Xu Chen 1 , Tianshu Kuang 2 , Hannah Deng 2 , Steve H. Fung 3 , Jaime Gateno 1 , James J. Xia 1 , Pew-Thian Yap 1
IEEE Transactions on Medical Imaging ( IF 8.9 ) Pub Date : 2022-06-27 , DOI: 10.1109/tmi.2022.3186698 Xu Chen 1 , Tianshu Kuang 2 , Hannah Deng 2 , Steve H. Fung 3 , Jaime Gateno 1 , James J. Xia 1 , Pew-Thian Yap 1
Affiliation
域自适应技术已被证明可有效解决医学图像分割中的标签缺陷挑战。然而，传统的基于域适应的方法通常专注于以类不可知的方式匹配不同域之间的全局边缘分布。在本文中，我们提出了一种用于跨模态医学图像分割的双注意力域自适应分割网络 (DADASeg-Net)。DADASeg-Net 的关键贡献是一种新颖的双重对抗性注意机制，它分别从空间和类的角度用两个注意图对域适应模块进行正则化。具体来说，空间注意力图引导域适应模块将注意力集中在适应中难以对齐的区域。类注意力图鼓励领域适应模块捕获特定于类而不是类不可知的知识以进行分布对齐。DADASeg-Net 在两个具有挑战性的医学图像分割任务中表现出卓越的性能。
"点击查看英文标题和摘要"
更新日期：2022-06-27
"点击查看英文标题和摘要"
京公网安备 11010802027423号