基于特征级损失和可学习噪声的医学图像域泛化方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：在医学图像分割任务中，域偏移问题会影响训练好的分割模型在未见域的性能，因此，提高模型泛化性对于医学图像智能模型的实际应用至关重要。表示学习是目前解决域泛化问题的主流方法之一，大多使用图像级损失和一致性损失来监督图像生成，但是对医学图像微小形态特征的偏差不够敏感，会导致生成图像边缘不清晰，影响模型后续学习。（剩余17464字）

试读结束

目录
monitor
客服机器人