FIESTA: Fourier-Based Semantic Augmentation with Uncertainty Guidance for Enhanced Domain Generalizability in Medical Image Segmentation

要約

医療画像セグメンテーション (MIS) におけるシングルソース ドメイン一般化 (SDG) は、1 つのソース ドメインのみからのデータを使用してモデルを一般化し、目に見えないターゲット ドメインからのデータをセグメント化することを目的としています。
データ拡張による SDG の大幅な進歩にも関わらず、既存の手法では、MIS に蔓延する詳細や不確実な領域を十分に考慮できていないことが多く、誤ったセグメント化につながります。
この論文では、周波数領域で振幅成分と位相成分を操作することで、SDG コンテキストにおける MIS の基本的な目標を強化するため、不確実性ガイダンスを使用した FIESTA と呼ばれるフーリエベースのセマンティック拡張手法を提案します。
提案されたフーリエ拡張変換器は、意味のある角度点に基づいて意味的な振幅変調に対処して適切な変動を誘発し、位相スペクトルを利用して構造的一貫性を確保します。
さらに、FIESTA は認識論的不確実性を利用して拡張プロセスを微調整し、多様な拡張データに適応し、曖昧性の高い領域に集中するモデルの能力を向上させます。
3 つのクロスドメイン シナリオにわたる広範な実験により、FIESTA がセグメンテーション パフォーマンスにおいて最近の最先端の SDG アプローチを上回り、医療画像モダリティにおけるモデルの適用性の向上に大きく貢献することが実証されました。

要約(オリジナル)

Single-source domain generalization (SDG) in medical image segmentation (MIS) aims to generalize a model using data from only one source domain to segment data from an unseen target domain. Despite substantial advances in SDG with data augmentation, existing methods often fail to fully consider the details and uncertain areas prevalent in MIS, leading to mis-segmentation. This paper proposes a Fourier-based semantic augmentation method called FIESTA using uncertainty guidance to enhance the fundamental goals of MIS in an SDG context by manipulating the amplitude and phase components in the frequency domain. The proposed Fourier augmentative transformer addresses semantic amplitude modulation based on meaningful angular points to induce pertinent variations and harnesses the phase spectrum to ensure structural coherence. Moreover, FIESTA employs epistemic uncertainty to fine-tune the augmentation process, improving the ability of the model to adapt to diverse augmented data and concentrate on areas with higher ambiguity. Extensive experiments across three cross-domain scenarios demonstrate that FIESTA surpasses recent state-of-the-art SDG approaches in segmentation performance and significantly contributes to boosting the applicability of the model in medical imaging modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google