Cet article propose un nouveau cadre d'adaptation au temps de test (TTA) pour remédier à la dégradation des performances associée aux échantillons hors distribution lors de la transformation d'images médicales. Ce cadre quantifie le degré de décalage de domaine grâce à un module de reconstruction et introduit un bloc d'adaptation dynamique qui ajuste dynamiquement les caractéristiques internes d'un modèle de transformation pré-entraîné pour s'adapter aux échantillons hors distribution. L'adaptation n'est pas appliquée aux échantillons en distribution, ce qui prévient la dégradation des performances. TTA démontre des améliorations de performances par rapport aux méthodes existantes et aux modèles de base sans TTA dans deux tâches de transformation d'images médicales : le débruitage TDM à faible dose et la conversion IRM T1 vers T2. Nous soulignons les limites des méthodes de pointe existantes, qui appliquent l'adaptation de manière égale aux échantillons en distribution et hors distribution, et démontrons que l'adaptation dynamique spécifique à l'échantillon est une approche prometteuse pour améliorer la robustesse des modèles en conditions réelles.
