iMED团队日前在2021 8th MICCAI Workshop On Ophthalmic Medical Image Analysis会议上发表论文“Guided Adversarial Adaptation Network for Retinal and Choroidal Layer Segmentation”，并荣获“Best Poster Paper”。
光学相干断层扫描（OCT）是一种高分辨率、非侵入性的成像技术，目前在临床上广泛应用于对眼底视网膜和脉络膜的成像，如图一（a）所示。但不同的OCT设备拍摄出的图像存在领域差异，在源数据集上训练的监督模型在目标数据集上测试时泛化能力会大大降低，如图一（b）所示。
图一. （a）OCT视网膜图像的人工分层；（b）不同域OCT数据集的泛化能力比较。
我们提出了一种新的基于生成对抗网络的分割领域自适应方法 Guided Adversarial Adaptation Network（GAA）用于OCT图像的分层工作，整体框架如图二所示。该方法通过将源域编码器和目标编码器分离来独立源域图像和目标域图像编码路径，从而避免了由于参数纠缠引起的源域分割性能下降，进一步提升了目标域的分割性能。通过使用滑动指数平均方法构建源域和目标域之间的联系，使能目标域能持续从源域学习分割知识，再通过两个阶段的对抗训练不断促进目标域自适应分割能力的进步。
图二. GAA网络整体框架。
实验结果表明，GAA网络能够有效的缓解源域分割性能下降现象，从而进一步提升目标域的分割能力。此外，我们的自适应效果与目前领域内的先进方法相比也有显著提升，可视化分割结果如图三所示。
图三. 不同领域自适应方法的可视化结果。