计算机应用研究

作者：王绍帆,马驰,胡辉,路生亮,

单位：1.辽宁科技大学计算机与软件工程学院,辽宁鞍山114051；2.惠州学院计算机科学与工程学院,广东惠州516007；

关键词：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,

基金：国家自然科学基金项目(U1731128)；广东省教育厅项目(2018KTSCX218)；；

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。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期