TriD

? Tesoro en distribución: una generalización de dominio de múltiples fuentes basadas en aleatorización de dominio para la segmentación de imágenes médicas 2D (TRID)

Esta es la implementación oficial de Pytorch de nuestro documento Miccai 2023 "Tesoro en la distribución: una generalización de dominio multiproceso basada en aleatorización de dominio para la segmentación de imágenes médicas 2D". En este artículo, proponemos un método de generalización de dominio de múltiples fuentes llamado Tesoro en Distribución (TRID) para construir un espacio de búsqueda sin precedentes para la aleatorización de dominio del espacio de características.

Requisitos

Python 3.7
Pytorch 1.8.0

Uso

Instalación

• Clon este repositorio

 git clone https://github.com/Chen-Ziyang/TriD.git
cd TriD/TriD-master

Preparación de datos

Segmentación OD/OC
Segmentación de la próstata

Segmentación OD/OC

Tomamos el escenario usando binrushed (dominio objetivo) y otros cuatro conjuntos de datos (dominios de origen) como ejemplo.

 cd OPTIC
# Training
CUDA_VISIBLE_DEVICES=0 python main.py --mode train_DG --mixstyle_layers layer1 layer2 --random_type TriD --Target_Dataset BinRushed --Source_Dataset Magrabia REFUGE ORIGA Drishti_GS
# Test
CUDA_VISIBLE_DEVICES=0 python main.py --mode single_test --load_time TIME_OF_MODEL --Target_Dataset BinRushed

Segmentación de la próstata

Tomamos el escenario usando BMC (dominio objetivo) y otros cinco conjuntos de datos (dominios de origen) como ejemplo.

 cd PROSTATE
# Training
CUDA_VISIBLE_DEVICES=0 python main.py --mode train_DG --mixstyle_layers layer1 layer2 --random_type TriD --Target_Dataset BMC --Source_Dataset BIDMC HK I2CVB RUNMC UCL
# Test
CUDA_VISIBLE_DEVICES=0 python main.py --mode single_test --load_time TIME_OF_MODEL --Target_Dataset BMC

Reconocimiento

Parte del código se revisa de la implementación de Pytorch de DOCR.

Cita ✏️?

Si encuentra este repositorio útil para su investigación, considere citar el documento de la siguiente manera:

 @inproceedings{chen2023treasure,
  title={Treasure in distribution: a domain randomization based multi-source domain generalization for 2d medical image segmentation},
  author={Chen, Ziyang and Pan, Yongsheng and Ye, Yiwen and Cui, Hengfei and Xia, Yong},
  booktitle={International Conference on Medical Image Computing and Computer-Assisted Intervention},
  pages={89--99},
  year={2023},
  organization={Springer}
}