【他山之石】MICCAI'24｜随机步骤对齐的Diffusion模型，解决无监督域适应图像分割问题

主要观点总结

本文提出了一种新的无监督领域适应（UDA）框架，用于解决医学图像分割中的域适应问题。该框架利用扩散模型，通过耦合的结构保持扩散模型和随机步骤对齐策略，有效地对齐了特征分布。并在腹部多器官分割任务上验证了其有效性。

关键观点总结

关键观点1: 新的UDA框架介绍

利用扩散模型来解决医学图像分割中的域适应问题。该框架通过耦合的结构保持扩散模型和多级生成对抗学习，有效地对齐了特征分布。

关键观点2: 扩散模型的运用

扩散模型用于图像合成，逐步合成图像，从而推导出从原始图像到最终生成图像的所有中间图像。这些中间图像包含了源域和目标域之间的大量分布知识。

关键观点3: 随机步骤领域对齐策略

提出了随机步骤领域对齐策略，该策略通过多级生成对抗学习，针对整个生成过程中的数据进行领域差异的减少。特别是，通过利用采样的中间图像，这些图像包含了丰富的源域和目标域之间的转移知识，提高了跨模态分割模型的适应能力。

关键观点4: 实验验证

在腹部多器官分割任务上验证了所提出方法的有效性，并在多个评估指标上达到了最先进的性能，展示了模型在处理领域偏移问题时的优势。