MoreStyle: Relax Low-frequency Constraint of Fourier-based Image Reconstruction in Generalizable Medical Image Segmentation

要約

医療画像セグメンテーションにおける単一ソース ドメイン一般化 (SDG) のタスクは、臨床画像データセットのドメイン シフトが頻繁に発生するため、非常に重要です。
さまざまなドメインにわたる一般化が不十分であるという課題に対処するために、MoreStyle と呼ばれるデータ拡張用のプラグ アンド プレイ モジュールを導入します。
MoreStyle は、フーリエ空間の低周波制約を緩和し、画像再構成ネットワークを導くことで画像スタイルを多様化します。
敵対的学習の助けを借りて、MoreStyle はスタイルの範囲をさらに拡大し、潜在的な特徴内の最も複雑なスタイルの組み合わせを正確に特定します。
スタイルの大きな変動に対処するために、不確実性加重損失を導入します。
この損失により、MoreStyle で生成された画像と元の画像の両方で真の分類困難なピクセルが軽減される一方で、スタイルのシフトのみから生じる分類困難なピクセルが強調されます。
広く使用されている 2 つのベンチマークに関する広範な実験により、提案された MoreStyle が優れたドメイン汎化能力の達成に効果的に役立ち、一部の最先端の SDG 手法のパフォーマンスをさらに向上させる可能性があることが実証されました。
ソースコードは https://github.com/zhaohaoyu376/morestyle で入手できます。

要約(オリジナル)

The task of single-source domain generalization (SDG) in medical image segmentation is crucial due to frequent domain shifts in clinical image datasets. To address the challenge of poor generalization across different domains, we introduce a Plug-and-Play module for data augmentation called MoreStyle. MoreStyle diversifies image styles by relaxing low-frequency constraints in Fourier space, guiding the image reconstruction network. With the help of adversarial learning, MoreStyle further expands the style range and pinpoints the most intricate style combinations within latent features. To handle significant style variations, we introduce an uncertainty-weighted loss. This loss emphasizes hard-to-classify pixels resulting only from style shifts while mitigating true hard-to-classify pixels in both MoreStyle-generated and original images. Extensive experiments on two widely used benchmarks demonstrate that the proposed MoreStyle effectively helps to achieve good domain generalization ability, and has the potential to further boost the performance of some state-of-the-art SDG methods. Source code is available at https://github.com/zhaohaoyu376/morestyle.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google