脳血管セグメンテーションにおける不十分なアノテーションと概念シフトの問題に取り組むため、半教師あり学習アプローチの有効性を検討し、アノテーションプロセスと学習モデルの構築に関するガイドラインを提示する。
本研究は、主に動脈画像の注釈を利用して、静脈画像の正確なセグメンテーションを行う半教師あり領域適応フレームワークを提案する。このフレームワークは、異なるモダリティ間の大きな分布シフトを克服するために、意味的に豊かな潜在空間を学習し、動脈と静脈の特性を分離することで、効率的な画像変換と精度の高いセグメンテーションを実現する。