婴儿脑部MRI图像在多个年龄、模态和站点的强大分割仍存在挑战，这是由于不同的MRI扫描仪、供应商或采集序列以及不同的神经发育阶段所产生的本质异质性。为了应对这一挑战，先前的研究从各个方面探索了域适应（DA）算法，包括特征对齐、熵最小化、对比度合成（风格转换）和伪标记。本文介绍了一种称为MAPSeg（掩码自动编码和伪标记分割）的新框架，以解决婴儿脑部MRI亚cortical区域的跨年龄、跨模态和跨站点分割的挑战。利用3D掩码自动编码以及掩码伪标记，模型能够同时从标记的源域数据和未标记的目标域数据中进行学习。我们在来自不同年龄和站点的专家注释数据集上对我们的框架进行了评估。MAPSeg在分割亚cortical区域方面始终优于其他方法，包括以前的最先进的监督基线、域一般化和域适应框架，无论年龄、模态或采集站点如何。代码和预训练编码器将在https://github.com/XuzheZ/MAPSeg上公开提供。
论文链接：http://arxiv.org/pdf/2303.09373v1
更多计算机论文：http://cspaper.cn/