TY -非盟的秦RuoXi盟——张,慧科盟——江,凌云AU -乔凯盟——海金近盟——陈,剑盟,徐为骨干AU -史,大鹏盟——燕,本PY - 2020 DA - 2020/01/24 TI -多中心计算机辅助诊断淋巴结基于跨域使用无监督Domain-Adaptation网络混杂表示SP - 3709873六世- 2020 AB -实现健壮的高性能计算机辅助诊断系统的淋巴结,CT图像可能通常从多中心收集的数据,导致模型的分离性能中心根据不同的数据源。淋巴结的变化适应问题数据相关的领域适应问题深度学习不同于通常的一般领域适应问题,因为更大的CT图像大小和更复杂的数据分布。因此,域适应这个问题需要考虑共享特性表示,甚至每个域的条件信息,以便适应网络可以捕获显著区别的表示一个域不变空间。本文提取域不变特性并提出了基于跨域混杂表示cycle-consistency学习框架鼓励网络通过跨域图像保存class-conditioning信息翻译。与不同领域的表现适应方法相比,我们的方法的准确率达到至少在淋巴结多中心数据高出4.4%。图像进行像素级跨域映射和语义层面上周期的一致性提供了稳定的混淆与class-conditioning表示信息实现有效域下的适应复杂特性分布。SN - 1748 - 670 - 2020/3709873 / 10.1155 x你——https://doi.org/10.1155/2020/3709873——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER