TriD

? Сокровище в распределении: обобщение из мульти-источника на основе доменной домены для 2D-сегментации медицинского изображения (TRID)

Это официальная внедрение Pytorch нашей статьи Miccai 2023 «Сокровища в распределении: обобщение доменной домены, основанное на домене, для 2D-сегментации медицинского изображения». В этой статье мы предлагаем метод обобщения доменной домены с несколькими источниками, называемый сокровищницей в распределении (TRID) для построения беспрецедентного пространства поиска для рандомизации пространства функций.

Требования

Python 3.7
Pytorch 1.8.0

Использование

Установка

• Клонировать это репо

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

Подготовка данных

Сегментация OD/OC
Сегментация простаты

Сегментация OD/OC

Мы принимаем сценарий, используя Binrushed (Target Domain) и другие четыре набора данных (исходные домены) в качестве примера.

 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

Сегментация простаты

Мы принимаем сценарий, используя BMC (целевой домен) и другие пять наборов данных (исходные домены) в качестве примера.

 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

Подтверждение

Часть Кодекса пересматривается из реализации Pytorch Docr.

Цитата ✏?

Если вы обнаружите, что это репо полезно для вашего исследования, пожалуйста, рассмотрите возможность ссылаться на статью следующим образом:

 @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}
}