#79
summarized by : Tong Zheng
Generalizable Medical Image Segmentation via Random Amplitude Mixup and Domain-Specific Image Restoration

どんな論文か?

医用画像segmentationのDomain adaptation。とあるデータセットで学習済のモデルは、ほかのデータセットで推論を行うと精度が激しく落ちる。学習済のモデルを上手くほかのデータセットで高精度推論を行うための工夫はDomain adaptationと呼ばれる。
placeholder

新規性

1. Fourier変換で異なるdomainの画像の低周波数成分を結合し新しい画像を作る。これは一種のdata augmentation. 2. 作った新しい画像と元画像を使ってsegmentation用のUNETを学習。 3. segmentation用のUNETのencoderを「作った画像->元画像への復元」のタスクで学習。よって異なるdomainの画像の相関関係をもっと上手く捉えられる。

結果

臓器FundusとProstateのdatasetsでSOTA。 https://github.com/zzzqzhou/RAM-DSIR

その他(なぜ通ったか?等)

周波数空間で画像をいじった(新しくないと思うけど)。 精度がSOTA。