[发明专利]一种基于距离对抗生成网络的领域自适应方法及系统

权利要求书

1.一种基于距离对抗生成网络的领域自适应方法，其特征在于实施步骤包括：

获取目标域的医学图像x_T；

将目标域的医学图像x_T输入预先训练好的距离对抗生成网络，通过距离对抗生成网络中的目标域转换器G_T将目标域的医学图像x_T投影成中间表示m_T；通过距离对抗生成网络中的分割器Seg对中间表示m_T进行分割得到分割图l_T，f；

将得到的分割图l_T，f作为目标域的医学图像x_T的目标域分割标签输出；

所述距离对抗生成网络包括：转换器，包括将源域的医学图像x_S转换成到中间表示m_S的源域转换器G_S、将目标的医学图像x_T转换成到中间表示m_T的目标域转换器G_T以及鉴别器D，源域转换器G_S、目标域转换器G_T的目的使中间表示m_S与m_T的分布趋于一致，鉴别器D的输入为中间表示，它将中间表示m_S判别为真，将中间表示m_T判别为假；分割器Seg，用于对中间表示进行分割，所述分割器Seg它包括一个下采样路径和一个上采样路径，最终输出一个与源数据同样大小的分割图；切片预测器Predictor，用于信息建模，所述切片预测器Predictor为改进的双向LSTM，所述改进的双向LSTM是指利用两端的切片，对正向和反向的序列信息进行建模，完成对中间的切片进行预测；所述将目标域的医学图像x_T输入预先训练好的距离对抗生成网络之前包括训练距离对抗生成网络的步骤，所述训练距离对抗生成网络的步骤中包括训练源域转换器G_S和分割器Seg的步骤：

A1)输入源数据集中的任意一张源域的医学图像x_S及其分割标签l_S；

A2)利用源域转换器G_S将源域的医学图像x_S转换成到中间表示m_S；

A3)将中间表示m_S输入分割器Seg得到分割图l_S，f；计算源域的医学图像x_S、中间表示m_S间的差值矩阵D_slice(x_S)、D_slice(m_S)；计算分割器Seg的分割损失loss_seg；

A4)对分割损失loss_seg求导，反向传播计算出各层参数的梯度值，根据梯度值更新源域转换器G_S和分割器Seg的参数完成本轮迭代；

A5)判断是否满足预设的迭代退出条件，如果满足预设的迭代退出条件则结束训练并退出，否则跳转执行步骤A1)进入下一轮迭代。