संवृत्तिमूलक छवि और विशेषता अनुकूलन: चिकित्सा छवि विभाजन के लिए क्रॉस-मोडालिटी डोमेन अनुकूलन की ओर

यह पत्र एक नवीन अप्रशिक्षित डोमेन अनुकूलन ढांचा, जिसे संवृत्तिमूलक छवि और विशेषता अनुकूलन (SIFA) कहा जाता है, प्रस्तुत करता है, ताकि डोमेन शिफ्ट की समस्या को प्रभावी ढंग से हल किया जा सके। डोमेन अनुकूलन हाल के गहन अध्ययन में एक महत्वपूर्ण और गर्म विषय बन गया है, जिसका लक्ष्य नए परीक्षण डोमेन पर न्यूरल नेटवर्क लागू करते समय प्रदर्शन ह्रास को पुनः प्राप्त करना है। हमारा प्रस्तावित SIFA एक सुरुचिपूर्ण सीखने का आरेख है जो छवि और विशेषता दृष्टिकोणों से अनुकूलनों का संवृत्तिमूलक सम्मिलन प्रस्तुत करता है। विशेष रूप से, हम एक साथ विभिन्न डोमेन में छवियों की उपस्थिति को परिवर्तित करते हैं और विभाजन कार्य की ओर निकाली गई विशेषताओं के डोमेन-स्वतंत्रता को बढ़ाते हैं। विशेषता एन्कोडर स्तर दोनों दृष्टिकोणों द्वारा साझा किए जाते हैं ताकि अंत-से-अंत शिक्षण प्रक्रिया के दौरान उनके पारस्परिक लाभों को समझा जा सके। लक्षित डोमेन से किसी भी एनोटेशन का उपयोग किए बिना, हमारे एकीकृत मॉडल का शिक्षण प्रतिकूल हानियों द्वारा मार्गदर्शित किया जाता है, जिसमें विभिन्न पहलुओं से अनेक भेदक उपयोग किए जाते हैं। हमने हृदय संरचनाओं के क्रॉस-मोडालिटी चिकित्सा छवि विभाजन के चुनौतीपूर्ण अनुप्रयोग के साथ अपने तरीके का व्यापक रूप से सत्यापन किया है। प्रयोगात्मक परिणाम प्रदर्शित करते हैं कि हमारा SIFA मॉडल प्रदर्शन ह्रास को 17.2% से 73.0% तक पुनः प्राप्त करता है, और प्रमुख विधियों को महत्वपूर्ण मार्जिन से पार करता है।