提升网络多中心泛化性能：多中心网络MS-Net论文解读

提升网络多中心泛化性能：多中心网络MS-Net论文解读

背景

提升多中心泛化性能十分重要。通常基于单中心 (比如某个特定医院) 的医疗数据设计训练的网络，在这个单中心的测试数据上可以实现非常好的效果，但是用这个模型去测试其他医院或者其他设备上的数据，效果会变差（即多中心泛化性能很差）。这是一个亟待解决的问题。我们需要的是一个可以适用于多中心医疗数据的普适性模型，而不是只适用于单中心数据的单一性模型。

MS-Net

MS-Net是港中文Quande liu, Qi Dou等2019年底发表在医疗图像顶刊TMI（IEEE TRANSACTIONS ON MEDICAL IMAGING）的处理多中心数据的网络。

MS-Net网络的主要贡献是：提出了一种处理多中心数据的方法，使得网络可以达到比单个中心好的效果（即MS-Net可以消除多中心内部差异性）。文中以前列腺分割为例，基于三个具有明显差异性的前列腺数据（含标签）进行研究。下面将从数据、网络结构设计、实验设计、讨论、源码实现等方面进行一一介绍。

论文地址： https://www.researchgate.net/publication/339321140
源码地址：
https://github.com/liuquande/MS-Net

多中心数据

中心 A,B,C数据都为前列腺分割数据ÿ