weixin_44210603的博客

原创 2021MICCAI:Anatomy-Constrained Cpntrastive Learning for Synthetic Segmentation Without Ground-Truth

研究的问题 为了训练一个健壮的分割网络，使其能够在新的成像模式中分割感兴趣的对象，通常需要大量的手动分割。如果可以利用一种成像模式（CT）的地标来训练另一种成像模式（CBCT/PET/MRI）中的分割网络，则可以减轻手动操作。在本文中，提出了一种跨模态分割的网络AccSeg-Net,用于训练目标成像模式的分割网络，而不使用其GroundTruth。 提出的网络模型 AccSeg网络模型是由一个生成器、一个判别器和一个分割器组成，通过5个损失函数以端到端的方式进行训练。生成器：带有9个残差模块的编解码器；判别