MICCAI 2020/JUN MA 直方图匹配增强域自适应技术-源码

MICCAI 2020/JUN MA 直方图匹配增强域自适应技术

源码地址：https://github.com/JunMa11/HM_DataAug

主要问题：

• 多中心、多来源、多疾病

多中心（为一个共同目标合作、遵守共同试验程序和规则的多个独立医疗机构或组织）

测试案例来自不同的领域(例如，新的磁共振扫描仪、临床中心)，性能将会降。

解决方法

1. 提出了一种直方图匹配（HM）数据增强方法来消除域间隙。
2. 具体来说，通过使用 HM 将测试用例的强度分布转移到现有的训练用例来生成新的训练用例。
3. 该方法非常简单，可以在许多分割任务中以即插即用的方式使用。

主要目标

1. 目标是通过将目标数据集的强度分布转移到源数据集来提高神经网络的泛化能力。
2. 具体来说，我们使用直方图匹配将目标数据集的亮度外观带到源数据集。
3. 没有修改网络结构或损失函数，只是增加了训练数据集，这非常简单，可以作为任何分段任务的即插即用方法。

Method