自适应模糊阈值法matlab代码-SPIE2019:SPIEMedicalImaging2019笔记作者郝

自适应模糊阈值法matlab代码SPIE 2019医学影像报告 郝江〜02/25/2019〜 目录 电脑辅助设计 使用弱监督和无监督对抗域自适应的独立于供应商的软组织病变检测 这项工作是针对软组织病变检测的对抗域适应 当前的软病变检测网络的局限性： 由于原始图像的后处理（专有）不同，当前网络的性能存在与硬件/软件相关的差异。 性能还与像素间距/检测器类型有关。 当前解决此限制的方法： 收集大量数据/标准化（由供应商解决）差异。 图像归一化 能带归一化/将能带缩放到参考值 局部能量 问题：基于能量的归一化： 需要时间 不一定是最佳归一化 需要很多精力 提出方法：领域适应： 转移学习方法 测试数据来自与训练集不同但相关的分布 没有目标域的标签（无监督）。 源数据集->目标数据集 P（X_s）！= P（X_t） 领域转移 可以使用H-散度来量化域移位 H是映射的所有域分类器的集合 对抗神经网络 分类网络 特征提取器 分类器 域分配器 对抗性歧视性DA 源CNN /目标CNN标识符->域标签 测验 RevGrad 参考：Ganin等。 2016年 RevGrad / ADDA / WDGRL-