CVPR 2023 中的领域适应：用于切片方向连续的无监督跨模态医学图像分割 目录 前言 体积型 UDA 框架概述 具体实现 Unpaired 图像转换 体积自训练和伪标签优化 实验 总结 前言 前言 我们已经介绍过 3 篇 CVPR 中的典型领域适应工作，他们三篇都是 TTA（Test-Time Adaptation）的 settings，而这次要介绍的文章是 UDA（Unsupervised domain adaptation）的 setting。之前的三篇文章分别是： CoTTA EcoTTA DIGA 在
超级会员免费看
本文介绍SDC-UDA，一种用于连续切片方向无监督跨模态医学图像分割的体积型领域适应框架。结合切片内、切片间自注意力图像转换和不确定性约束的伪标签优化，解决了2D UDA方法的切片不连续问题，提高了分割准确性和临床应用潜力。
订阅专栏 解锁全文
扫一扫
75
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
