南方科技大学：Xiaoying Tang | AADG：视网膜图像分割领域泛化的自动增强

【标题】AADG: Automatic Augmentation for Domain Generalization on Retinal Image Segmentation

【作者团队】Junyan Lyu, Yiqi Zhang, Yijin Huang, Li Lin, Pujin Cheng, Xiaoying Tang

【发表日期】2022.7.27

【论文链接】https://arxiv.org/pdf/2207.13249.pdf

【推荐理由】卷积神经网络已广泛应用于医学图像分割，并取得了可观的性能。然而，其性能可能会受到训练数据（源域）和测试数据（目标域）之间的域差距的显著影响。为此，本文提出了基于数据操作的领域泛化方法，称为领域泛化自动增强（AADG）。其有效地对生成新域的数据增强策略进行采样，并在适当的搜索空间中使训练集多样化。并通过新智能体任务，最大限度地提高了多个增强新域之间的多样性，如单位球空间中的 Sinkhorn 距离所测量的那样，使自动增强易于处理。采用对抗训练和深度强化学习来有效搜索目标。在11个公开的眼底图像数据集（4个用于视网膜血管分割，4个用于视盘和视盘（OD/OC）分割，3个用于视网膜病变分割）上进行了定量和定性实验。进一步涉及两个用于视网膜血管分割的OCTA数据集，以验证跨模式泛化。该AADG具有最先进的泛化性能及相当大的优势。经验证明，所学习的策略是模型不可知的，并且可以很好地转移到其他模型。