論文要約：Unsupervised Model Adaptation for Source-free Segmentation of Med

Unsupervised Model Adaptation for Source-free Segmentation of Medical Images

概要

教師なしドメイン適応（Unsupervised Domain Adaptation、UDA）において、特徴量空間を一致させることにより、ソースドメインにアクセスせずに、ターゲットドメインに汎化する方法を提案。ソースドメインにアクセスする既存のUDAと同等の性能を達成。

書誌情報

2022/11/2
Serban Stan
南カリフォルニア大学
https://arxiv.org/abs/2211.00807

方法

ソースデータを学習、特徴量空間を混合ガウスモデル（Gaussian Mixture Model、GMM）で近似。
ターゲットデータを学習、特徴量空間をGMMで近似。
ターゲットドメインのGMMをソースドメインのGMMに一致するようにミニバッチ単位で学習。Sliced Wasserstein Distance（SWD）を最小化。SWDは複数個のWDの平均値による近似。
クロスエントロピーロスとSWDロスで分類器をファインチューニング。

結果

MRI画像からCT画像に適応。
心臓と腹部のデータセットで評価。
VGG16＋DeepLabV3＋FCを使用。
他手法と比較して良好。
UMAPで可視化。
Ablation Study、豊富。