TriD

? Tesouro na distribuição: um domínio de randomização de domínio generalização de domínio de várias fontes para segmentação de imagem médica 2D (TRID)

Esta é a implementação oficial do Pytorch do nosso artigo MICCAI 2023 "Treasure in Distribution: uma generalização de domínio de várias fontes baseada em domínio para a segmentação de imagem médica 2D". Neste artigo, propomos um método de generalização de domínio de várias fontes chamado Treasure in Distribution (TRID) para construir um espaço de pesquisa sem precedentes para a randomização do domínio do espaço de recursos.

Requisitos

Python 3.7
Pytorch 1.8.0

Uso

Instalação

• Clone este repo

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

Preparação de dados

Segmentação OD/OC
Segmentação da próstata

Segmentação OD/OC

Tomamos o cenário usando o Binrushed (domínio de destino) e outros quatro conjuntos de dados (domínios de origem) como exemplo.

 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

Segmentação da próstata

Pegamos o cenário usando o BMC (domínio de destino) e outros cinco conjuntos de dados (domínios de origem) como exemplo.

 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

Reconhecimento

Parte do Código é revisada da implementação de Pytorch do DOCR.

Citação ✏️?

Se você achar esse repositório útil para sua pesquisa, considere citar o artigo da seguinte maneira:

 @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}
}