Sample-Aware Test-Time Adaptation for Medical Image-to-Image Translation
Created by
Haebom
저자
Irene Iele, Francesco Di Feola, Valerio Guarrasi, Paolo Soda
개요
본 논문은 의료 영상의 이미지-투-이미지 변환에서 분포 외 샘플 처리 시 성능 저하 문제를 해결하기 위해 새로운 Test-Time Adaptation (TTA) 프레임워크를 제안합니다. 이 프레임워크는 재구성 모듈(Reconstruction Module)을 이용하여 도메인 이동을 정량화하고, 동적 적응 블록(Dynamic Adaptation Block)을 통해 사전 훈련된 변환 모델의 내부 특징을 선택적으로 수정하여 분포 외 샘플에 대한 적응을 수행합니다. 저선량 CT 잡음 제거 및 T1에서 T2 MRI 변환이라는 두 가지 의료 영상 변환 작업에 대한 실험 결과, 제안된 방법은 TTA를 적용하지 않은 기준 모델과 기존 TTA 방법보다 성능 향상을 보였습니다. 분포 외 및 분포 내 샘플에 모두 균일하게 적용하는 기존 최첨단 방법의 한계를 지적하며, 샘플별 동적 조정이 실제 환경에서 모델의 견고성을 향상시키는 유망한 방법임을 보여줍니다. 코드는 https://github.com/Sample-Aware-TTA/Code 에서 이용 가능합니다.
