无监督领域适应在解剖标志检测中的应用
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种基于无监督领域自适应的解剖标志点检测新框架，利用自我训练和领域对抗学习来处理适应过程中的领域差异，通过选择可靠的动态阈值标签进行目标领域数据的自适应，以及通过对抗训练学习领域不变特征来处理两个领域的不对齐数据分布，实验证明该方法在头影测量和肺标志点检测方面有效，显著减小了领域差距并且持续优于其他无监督领域自适应方法。
本文综述了医学影像中最新的深度无监督领域自适应方法，并将其分类为六组，进一步根据任务进行了子分类。还讨论了用于评估不同领域之间差异的研究中使用的数据集。最后，讨论了新兴领域，并提供了未来研究方向的见解和讨论。
