FAMNet: Frequency-aware Matching Network for Cross-domain Few-shot Medical Image Segmentation

要約

既存の少数ショット医用画像セグメンテーション (FSMIS) モデルは、医用画像処理における実際的な問題、つまり、さまざまな画像技術によって引き起こされる領域シフトに対処できず、現在の FSMIS タスクへの適用が制限されます。
この制限を克服するために、私たちは、クロスドメイン少数ショット医用画像セグメンテーション (CD-FSMIS) タスクに焦点を当て、新しい画像からの限られたラベル付きデータを使用して、より広範囲の医用画像セグメンテーション シナリオに適応できる一般化されたモデルを開発することを目指しています。
ターゲットドメイン。
さまざまなドメインにわたる周波数ドメインの類似性の特性にインスピレーションを得て、私たちは周波数認識マッチング ネットワーク (FAMNet) を提案します。これには、周波数認識マッチング (FAM) モジュールとマルチスペクトル フュージョン (MSF) モジュールという 2 つの主要コンポーネントが含まれます。
FAM モジュールは、メタ学習フェーズで 2 つの問題に取り組みます。1) 器官や病変の外観の違いによる、固有のサポートクエリバイアスによって引き起こされるドメイン内の分散、および 2) 異なる医療画像によって引き起こされるドメイン間の分散
テクニック。
さらに、FAM モジュールによって分離されたさまざまな周波数特徴を統合する MSF モジュールを設計し、モデルのセグメンテーション パフォーマンスに対するドメイン間の差異の影響をさらに軽減します。
これら 2 つのモジュールを組み合わせることで、当社の FAMNet は、3 つのクロスドメイン データセット上で既存の FSMIS モデルおよびクロスドメイン フューショット セマンティック セグメンテーション モデルを上回り、CD-FSMIS タスクで最先端のパフォーマンスを実現します。

要約(オリジナル)

Existing few-shot medical image segmentation (FSMIS) models fail to address a practical issue in medical imaging: the domain shift caused by different imaging techniques, which limits the applicability to current FSMIS tasks. To overcome this limitation, we focus on the cross-domain few-shot medical image segmentation (CD-FSMIS) task, aiming to develop a generalized model capable of adapting to a broader range of medical image segmentation scenarios with limited labeled data from the novel target domain. Inspired by the characteristics of frequency domain similarity across different domains, we propose a Frequency-aware Matching Network (FAMNet), which includes two key components: a Frequency-aware Matching (FAM) module and a Multi-Spectral Fusion (MSF) module. The FAM module tackles two problems during the meta-learning phase: 1) intra-domain variance caused by the inherent support-query bias, due to the different appearances of organs and lesions, and 2) inter-domain variance caused by different medical imaging techniques. Additionally, we design an MSF module to integrate the different frequency features decoupled by the FAM module, and further mitigate the impact of inter-domain variance on the model’s segmentation performance. Combining these two modules, our FAMNet surpasses existing FSMIS models and Cross-domain Few-shot Semantic Segmentation models on three cross-domain datasets, achieving state-of-the-art performance in the CD-FSMIS task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google