TriD

？分佈中的寶藏：基於域隨機化的多源域概括2D醫療圖像分割（TRID）

這是我們的Miccai 2023論文“分銷中的寶藏：基於域隨機化的多源域的概括2D醫療圖像分割”的官方Pytorch實施。在本文中，我們提出了一種稱為“寶藏（TRID）的寶藏”的多源域概括方法，以構建一個空間空間域隨機化的前所未有的搜索空間。

要求

Python 3.7
Pytorch 1.8.0

用法

安裝

• 克隆這個倉庫

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

數據準備

OD/OC細分
前列腺分割

OD/OC細分

我們使用Binrush（目標域）和其他四個數據集（源域）作為示例進行場景。

 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

前列腺分割

我們使用BMC（目標域）和其他五個數據集（源域）進行場景。

 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

致謝

該代碼的一部分是從DOCR的Pytorch實施中修訂的。

引用✏️？

如果您發現此存儲庫對您的研究有用，請考慮以下內容：

 @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}
}