SFHarmony: Source Free Domain Adaptation for Distributed Neuroimaging Analysis

要約

臨床神経画像集団の生物学的変動を表すには、スキャナーと研究全体でデータを組み合わせることができることが不可欠です。
ただし、異なる MRI スキャナーは異なる特性を持つ画像を生成し、「調和問題」として知られるドメイン シフトをもたらします。
さらに、神経画像データは本質的に個人的なものであり、データを共有する際にデータのプライバシーに関する懸念が生じます。
これらの障壁を克服するために、教師なしソースフリー ドメイン適応 (SFDA) メソッドである SFHarmony を提案します。
画像特徴をガウス混合モデルとしてモデリングし、ソース特徴とターゲット特徴の間の適合された Bhattacharyya 距離を最小化することで、データ ドメイン全体で特徴表現を共有しながら、ターゲット データに対して適切に機能するモデルを作成できます。
適応またはターゲット ラベルのソース データ。
シミュレートされたドメイン シフトと実際のドメイン シフトに対するこの方法のパフォーマンスを実証し、このアプローチが分類、セグメンテーション、および回帰タスクに適用可能であり、アルゴリズムを変更する必要がないことを示します。
私たちの方法は、さまざまな現実的なデータシナリオで既存の SFDA アプローチよりも優れており、MRI の調和と一般的な SFDA の問題に対する私たちのアプローチの潜在的な有用性を示しています。
私たちのコードは、\url{https://github.com/nkdinsdale/SFHarmony} で入手できます。

要約(オリジナル)

To represent the biological variability of clinical neuroimaging populations, it is vital to be able to combine data across scanners and studies. However, different MRI scanners produce images with different characteristics, resulting in a domain shift known as the `harmonisation problem’. Additionally, neuroimaging data is inherently personal in nature, leading to data privacy concerns when sharing the data. To overcome these barriers, we propose an Unsupervised Source-Free Domain Adaptation (SFDA) method, SFHarmony. Through modelling the imaging features as a Gaussian Mixture Model and minimising an adapted Bhattacharyya distance between the source and target features, we can create a model that performs well for the target data whilst having a shared feature representation across the data domains, without needing access to the source data for adaptation or target labels. We demonstrate the performance of our method on simulated and real domain shifts, showing that the approach is applicable to classification, segmentation and regression tasks, requiring no changes to the algorithm. Our method outperforms existing SFDA approaches across a range of realistic data scenarios, demonstrating the potential utility of our approach for MRI harmonisation and general SFDA problems. Our code is available at \url{https://github.com/nkdinsdale/SFHarmony}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google