Harmonizing Flows: Unsupervised MR harmonization based on normalizing flows

要約

この論文では、MR画像を調和させてソースドメインの分布を模倣する正規化フローに基づく教師なしフレームワークを提案します。
提案されたフレームワークは 3 つのステップで構成されます。
最初に、拡張バージョンからソース ドメインのイメージを復元するように、浅いハーモナイザー ネットワークをトレーニングします。
次に、正規化フロー ネットワークをトレーニングして、ソース ドメインの分布を学習します。
最後に、テスト時に、出力イメージが正規化フロー モデルによって学習されたソース ドメインの分布と一致するように、ハーモナイザー ネットワークが変更されます。
教師なし、ソースフリー、タスクに依存しないアプローチは、4 つの異なるサイトからのデータを使用して、クロスドメインの脳 MRI セグメンテーションで評価されます。
結果は、既存の方法と比較して優れたパフォーマンスを示しています。

要約(オリジナル)

In this paper, we propose an unsupervised framework based on normalizing flows that harmonizes MR images to mimic the distribution of the source domain. The proposed framework consists of three steps. First, a shallow harmonizer network is trained to recover images of the source domain from their augmented versions. A normalizing flow network is then trained to learn the distribution of the source domain. Finally, at test time, a harmonizer network is modified so that the output images match the source domain’s distribution learned by the normalizing flow model. Our unsupervised, source-free and task-independent approach is evaluated on cross-domain brain MRI segmentation using data from four different sites. Results demonstrate its superior performance compared to existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google