Zero-Shot Domain Adaptation in CT Segmentation by Filtered Back Projection Augmentation

要約

ドメインシフトは、医療用コンピュータビジョンにおける最も顕著な課題の一つである。スキャナのパラメータや撮像プロトコルに大きなばらつきがあるため、同一人物、同一スキャナから得られた画像であっても、大きく異なる場合がある。我々は、CTにおける重要な領域シフト要因である再構成処理に用いられる畳み込みカーネルの違いによって引き起こされるCT画像のばらつきに対処する。コンボリューションカーネルの選択は、ピクセルの粒度、画像の滑らかさ、ノイズレベルに影響を与える。我々は、同じサイノグラムから異なるカーネルで再構成された滑らかな画像とシャープな画像のペアCT画像のデータセットを分析し、同一の解剖学的構造を提供するが、異なるスタイルを提供する。同一の予測が望ましいが、ペアの予測間の平均ダイスとして測定される一貫性は、わずか0.54であることを示す。我々は、異なるカーネルによる再構成をエミュレートするサイノグラム空間において、CT画像を補強するシンプルで驚くほど効率的なアプローチであるFBPAug（Filtered Back-Projection Augmentation)を提案する。提案手法をゼロショット領域適応に適用し、整合性が0.54から0.92に向上し、他の増強手法より優れていることを示す。また、提案手法の適用に際して、ソース領域データやターゲット領域データの特別な準備は必要ないため、公開されたFBPAugは、あらゆるCTベースのタスクにおけるゼロショット領域適応のためのプラグアンドプレイモジュールとして利用することができる。

要約(オリジナル)

Domain shift is one of the most salient challenges in medical computer vision. Due to immense variability in scanners’ parameters and imaging protocols, even images obtained from the same person and the same scanner could differ significantly. We address variability in computed tomography (CT) images caused by different convolution kernels used in the reconstruction process, the critical domain shift factor in CT. The choice of a convolution kernel affects pixels’ granularity, image smoothness, and noise level. We analyze a dataset of paired CT images, where smooth and sharp images were reconstructed from the same sinograms with different kernels, thus providing identical anatomy but different style. Though identical predictions are desired, we show that the consistency, measured as the average Dice between predictions on pairs, is just 0.54. We propose Filtered Back-Projection Augmentation (FBPAug), a simple and surprisingly efficient approach to augment CT images in sinogram space emulating reconstruction with different kernels. We apply the proposed method in a zero-shot domain adaptation setup and show that the consistency boosts from 0.54 to 0.92 outperforming other augmentation approaches. Neither specific preparation of source domain data nor target domain data is required, so our publicly released FBPAug can be used as a plug-and-play module for zero-shot domain adaptation in any CT-based task.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL