DDS-UDA: 視盤と視杯の共同セグメンテーションにおける教師なしドメイン適応のデュアルドメイン・シナジー

畳み込みニューラルネットワーク（CNN）は、単一機関のデータセットにおける視神経乳頭と視杯の共同セグメンテーションにおいて、顕著な性能を示しています。
しかし、それらの臨床応用は、2つの大きな課題によって妨げられています。すなわち、大規模で高品質なアノテーションの入手が限られていることと、異なる画像プロトコルおよび取得プラットフォーム間でのデプロイメント時に生じるドメインシフトによる性能低下です。
教師なしドメイン適応（UDA）はこれらの制限を緩和する方法を提供しますが、既存のほとんどのアプローチは、横断ドメイン干渉とドメイン内一般化を統一的な枠組みで対処していません。
本論文では、デュアルドメイン・シナジーUDA（DDS-UDA）と名付けられた新規のUDAフレームワークを提案します。これは2つの主要モジュールから構成されます。
まず、粗から細へと動的マスク生成器に導かれた特徴レベルのセマンティック情報の交換を通じて、ドメイン間干渉を緩和する双方向のドメイン間一貫性正規化モジュールを適用し、ノイズの伝播を抑制しつつ構造的整合性を保持します。
次に、周波数駆動型のドメイン内擬似ラベル学習モジュールを用いて、スペクトル振幅を混合した監督信号を合成し、ドメイン内一般化を高め、ドメイン間で高忠実度の特徴整合を実現します。
教師-生徒アーキテクチャのもとで実装されたDDS-UDAは、ドメイン特有のバイアスをドメイン不変の特徴レベル表現から分離し、したがって異種の画像環境への頑健な適応を実現します。
提案手法を複数のドメインにまたがる眼底画像データセットの2つを対象に総合的に評価した結果、提案手法は既存のUDAベース手法のいくつかを上回り、視神経乳頭と視杯のセグメンテーションに対して有効な手段を提供することを示しました。