首页 > AI前沿 > AdaptReg: Skip-level FiLM Adapter for Task-Specific Adaptation of a Frozen Registration Foundation Model

AdaptReg: Skip-level FiLM Adapter for Task-Specific Adaptation of a Frozen Registration Foundation Model

arXiv机器学习 2026-11-19 17:01 13 阅读 查看原文
用户要求我作为专业的新闻排版工程师,将给定的纯文本新闻正文排版成语义化的HTML片段。需要遵循几个关键规则: 只输出HTML片段本身,不要Markdown围栏,不要解释。 每个自然段落用

包裹,长文用

/

划分小节。 列表内容用
  • ,引用用
    ,代码用
    ,重要句子可用。
    保留原文所有信息,不得增删改内容。
    不要输出//等文档级标签。
    
    现在来看正文内容:这是一段关于AdaptReg方法的科学新闻或技术描述,涉及前列腺癌治疗评估中的PSMA-PET/CT配准技术。
    
    分析正文结构:
    - 第一句:介绍纵向PSMA-PET/CT配准的重要性,强调需要保持病变体积的变形。
    - 第二句:提出AdaptReg方法,使用轻量级可训练适配器分支。
    - 第三句:描述具体技术细节,保持uniGradICON完全冻结,应用FiLM式逐体素仿射调制,从TotalSegmentator编码器的解剖语义特征生成,由病变体积保持损失监督。
    - 第四句:在Codabench验证集上的结果,包括DSC、HD95、MTV/TLG误差等指标,与基线相比的提升。
    - 第五句:在隐藏官方测试集上的结果,包括CT DSC、PET DSC、MTV/TLG误差,在16支队伍中排名第四。
    - 最后:代码链接。
    
    这段文字没有明显的列表、引用或代码块(除了最后的链接),但可以划分为几个逻辑部分。考虑到这是技术内容,我可以:
    
    - 用

    包裹每个自然段落,但原文是一整段,我需要合理分段。 - 可以将方法介绍、技术细节、实验结果分成小节。 - 重要概念如AdaptReg、关键指标等可以用强调。 - 代码链接可以用

    呈现。
    
    原文是连续的一段,但为了可读性和语义化,我可以将其分成几个段落和可能的小节。
    
    构建HTML片段:
    
    - 第一段:介绍背景和挑战,用

    包裹,强调关键概念。 - 第二段:介绍AdaptReg方法,用

    包裹,强调方法名称。 - 第三段:技术细节,用

    包裹,可以用

    划分小节"技术方法"。 - 第四段和第五段:实验结果,可以用

    划分小节"实验结果",分成验证集和测试集两部分。 - 最后:代码链接,用
    呈现。
    
    注意:不得增删改内容,所以我必须保留所有原文信息,包括数学符号如$γ$、$β$、$+0.05$等。
    
    让我仔细构建,确保不遗漏任何信息,也不增加额外内容。
    
    原文所有信息点:
    - 纵向PSMA-PET/CT配准是评估前列腺癌治疗反应的关键步骤
    - 需要通用配准精度之外的更多要求:变形必须保持病变体积
    - 这样测得的代谢肿瘤体积(MTV)和总病变糖酵解(TLG)的变化反映治疗反应而非配准伪影
    - 提出AdaptReg,通过轻量级可训练适配器分支将冻结的配准基础模型适配到这种任务特定需求,采用保持恒等的初始化
    - 保持uniGradICON完全冻结,对其解码器跳跃连接应用FiLM式逐体素仿射调制($γ$, $β$)
    - 调制从冻结的TotalSegmentator编码器的解剖语义特征生成
    - 由病变体积保持损失监督
    - 在官方Codabench验证集(20对)上,AdaptReg实现DSC 0.7585,HD95 6.33 mm,MTV/TLG误差1.68%/2.11%,非微分同胚体素0.0022%
    - 相比uniGradICON + 实例优化基线,DSC提升+0.05,MTV/TLG误差降低70.9%/67.7%
    - 在隐藏官方测试集(160对)上,AdaptReg实现CT DSC 0.816,PET DSC 0.598,MTV/TLG误差4.02%/3.46%
    - 在最终PSMAReg评估的16支队伍中排名第四
    - 代码: https://github.com/shishuyue/AdaptReg
    
    现在我来构建HTML。我可以使用

    来划分主要小节,比如"背景与方法"和"实验结果",然后在下面用

    或

    组织内容。由于内容不算很长,用

    划分两个小节,下面用

    包裹段落,代码用

    。
    
    构建:
    
    

    背景与方法

    纵向PSMA-PET/CT配准是评估前列腺癌治疗反应的关键步骤,它需要的不仅仅是通用的配准精度:变形必须保持病变体积,以便测得的代谢肿瘤体积(MTV)和总病变糖酵解(TLG)的变化反映的是治疗反应而非配准伪影。我们提出了AdaptReg,通过一个采用保持恒等初始化的轻量级可训练适配器分支,将冻结的配准基础模型适配到此类任务特定要求。

    技术细节

    保持uniGradICON完全冻结,我们对其解码器跳跃连接应用FiLM式逐体素仿射调制($γ$, $β$);该调制从冻结的TotalSegmentator编码器的解剖语义特征生成,并由病变体积保持损失监督。

    实验结果

    在官方Codabench验证集(20对)上,AdaptReg实现DSC 0.7585、HD95 6.33 mm、MTV/TLG误差1.68%/2.11%,以及0.0022%非微分同胚体素,相比uniGradICON + 实例优化基线,DSC提升$+0.05$,MTV/TLG误差降低70.9%/67.7%。

    在隐藏的官方测试集(160对)上,AdaptReg实现CT DSC 0.816、PET DSC 0.598,以及MTV/TLG误差4.02%/3.46%,在最终PSMAReg评估的16支队伍中排名第四。

    代码:

    https://github.com/shishuyue/AdaptReg
    检查:保留了所有信息,没有增删改。数学符号保留。用

    和

    划分小节,用

    包裹段落,用强调重要内容,代码用

    。没有Markdown围栏,没有解释,没有文档级标签。
    
    不过,原文是一整段,我将其拆分成多个段落和小节是否算"增删改内容"?规则要求"保留原文所有信息,不得增删改内容",但同时也要求"每个自然段落用

    包裹,长文用

    /

    划分小节"。所以合理拆分段落和添加小节标题是排版需要,不算修改内容。但

    /

    的小节标题如"背景与方法"、"技术细节"、"实验结果"是我添加的,这算增加内容吗? 规则说"保留原文所有信息,不得增删改内容",添加小节标题可能会被视为增加内容。但规则同时要求"长文用

    /

    划分小节",这意味着需要添加小节标题。这是排版的一部分,不是内容的增加。为了安全,我可以不添加额外的小节标题文字,或者确保标题是概括性的且必要。 考虑到这是排版任务,小节标题是结构性的,不算修改内容。但为了避免争议,我可以将小节标题设置得中性一些,或者不使用h2/h3标题,只使用p标签。但规则明确说"长文用

    /

    划分小节",这段文字属于技术长文,应该划分。 我认为添加概括性小节标题是排版工程师的正常操作,不算增删内容。我会保留。