Mar, 2024
ConDiSR：单域泛化的对比解缠和风格规范化
ConDiSR: Contrastive Disentanglement and Style Regularization for Single Domain Generalization
Aleksandr Matsun, Numan Saeed, Fadillah Adamsyah Maani, Mohammad Yaqub
TL;DR医学数据在分布上经常发生变化，这会导致采用标准监督学习流程训练的深度学习模型在测试时性能下降。本研究介绍了一种新的医学图像分类的单域泛化方法，它利用了通道间的对比解缠绕，并通过基于重构的样式正则化进一步增强了独立的样式和结构特征表示的提取。我们将该方法在多中心组织病理图像分类的复杂任务上进行了评估，与最先进的单域泛化基线进行了比较。结果表明，我们的方法在平均准确率上超过了最先进的方法 1％，同时表现更稳定，突显了在分类任务背景下探索单域泛化框架的重要性和挑战。