FReSCO: Flow Reconstruction and Segmentation for low latency Cardiac Output monitoring using deep artifact suppression and segmentation
上线时间：2022-03-25
期刊：N/A
链接：https://arxiv.org/abs/2203.13729
临床意义：心输出量 (CO) 的实时监测需要实时相位对比 MR (PCMR) 的低延迟重建和分割。
工程创新：独立训练深度伪影抑制和分割 U-Net。
方法：独立训练深度伪影抑制和分割 U-Net。
开源：否
评论：临床意义还算可以，工程部分挺一般的。
Student Become Decathlon Master in Retinal Vessel Segmentation via Dual-teacher Multi-target Domain Adaptation
上线时间：2022-03-07
期刊：N/A
链接：https://arxiv.org/abs/2203.03631
工程意义：多目标域适应。
工程创新：双重知识蒸馏
方法：风格增强和迁移（SAT）模块和双师知识蒸馏（DTKD）模块组成。SAT 通过贝塞尔和傅里叶变换将图像增强和聚类到源相似域和源不同域。DTKD 利用增强和转换的数据来训练两名教师，一个用于源相似域，另一个用于源不同域。之后，进行知识蒸馏，以迭代地将不同的领域知识从教师提炼到学生。
开源：暂未；https://github.com/lkpengcs/rvms
评论：双重蒸馏已经挺常见的了，感觉创新性不是很足。变换法进行域转移的话，FedDG在好久前就有做过类似的。此外，视网膜图像在不同的中心条件下是相似的，或许这种UDA的效果不会很in the wild。
Multi-Source Unsupervised Domain Adaptation via Pseudo Target Domain
上线时间：2022-02-23
期刊：IEEE TIP
链接：https://ieeexplore.ieee.org/document/9720154
工程意义：多源域适应
工程创新：构建伪目标域
方法：使用具有度量约束的对抗学习将每组源域和目标域映射到一个特定于组的子空间，并相应地构造一系列伪目标域。然后，将剩余源域与子空间中的伪目标域对齐，这允许通过对伪目标域的训练来利用额外的结构化源信息，并提高真实目标域的性能。
开源：否
评论：多源域适应是一个常见的问题，这个解法还行。此外，网络图画的不是很好看懂，因为没有主体。
