MAPSeg: Unified Unsupervised Domain Adaptation for Heterogeneous Medical Image Segmentation Based on 3D Masked Autoencoding and Pseudo-Labeling

要約

大規模、複数施設、長期にわたる医療スキャンから定量的尺度を導き出すには、堅牢なセグメンテーションが不可欠です。
ただし、医療スキャンに手動で注釈を付けるのは費用と労力がかかり、すべてのドメインで常に利用できるとは限りません。
教師なしドメイン アダプテーション (UDA) は、別のドメインから利用可能なラベルを活用することで、このラベル不足の問題を軽減する、よく研究された技術です。
この研究では、異種の体積医療画像セグメンテーションに優れた汎用性と優れたパフォーマンスを備えた $\textbf{unified}$ UDA フレームワークである Masked Autoencoding and Pseudo-Labeling Segmentation (MAPSeg) を紹介します。
私たちの知る限り、これは医療画像セグメンテーションにおける 4 つの異なるドメインの変化に取り組むためのフレームワークを体系的にレビューし、開発した最初の研究です。
さらに重要なことは、MAPSeg は、同等のパフォーマンスを維持しながら、$\textbf{centralized}$、$\textbf{federated}$、および $\textbf{test-time}$ UDA に適用できる最初のフレームワークであることです。
私たちは、民間の乳児脳 MRI データセットおよび公的心臓 CT-MRI データセットで MAPSeg を以前の最先端の手法と比較しました。その結果、MAPSeg は他の手法よりも大幅に優れています (民間 MRI データセットでは 10.5 Dice の改善、医療機関では 5.7 の改善)。
公開 CT-MRI データセット）。
MAPSeg は大きな実用的価値をもたらし、現実世界の問題に適用できます。
GitHub: https://github.com/XuzheZ/MAPSeg/。

要約(オリジナル)

Robust segmentation is critical for deriving quantitative measures from large-scale, multi-center, and longitudinal medical scans. Manually annotating medical scans, however, is expensive and labor-intensive and may not always be available in every domain. Unsupervised domain adaptation (UDA) is a well-studied technique that alleviates this label-scarcity problem by leveraging available labels from another domain. In this study, we introduce Masked Autoencoding and Pseudo-Labeling Segmentation (MAPSeg), a $\textbf{unified}$ UDA framework with great versatility and superior performance for heterogeneous and volumetric medical image segmentation. To the best of our knowledge, this is the first study that systematically reviews and develops a framework to tackle four different domain shifts in medical image segmentation. More importantly, MAPSeg is the first framework that can be applied to $\textbf{centralized}$, $\textbf{federated}$, and $\textbf{test-time}$ UDA while maintaining comparable performance. We compare MAPSeg with previous state-of-the-art methods on a private infant brain MRI dataset and a public cardiac CT-MRI dataset, and MAPSeg outperforms others by a large margin (10.5 Dice improvement on the private MRI dataset and 5.7 on the public CT-MRI dataset). MAPSeg poses great practical value and can be applied to real-world problems. GitHub: https://github.com/XuzheZ/MAPSeg/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google