视网膜血管分割的新基线：对影响 100 余篇论文的方法学不一致性的数值识别与修正
图像与视频处理
2021-11-09 v1 计算机视觉与模式识别
机器学习
摘要
在过去 15 年中，视网膜图像中血管的分割已成为医学影像中一个被深入研究的问题，发表了数百种算法。血管分割技术事实上的基准数据集之一是 DRIVE 数据集。由于 DRIVE 包含预定义的训练与测试图像划分，各种分割技术已发表的性能结果应提供算法的可靠排序。本研究纳入了 100 余篇论文，我们对已发表性能分数的连贯性进行了详细的数值分析。我们发现了与视野（FoV）使用相关的报告分数中的不一致性，这对性能分数有显著影响。我们试图利用数值技术消除偏差，以提供更贴近实际的现有技术水平图景。基于结果，我们提出了若干发现，最值得注意的是：尽管 DRIVE 具有明确定义的测试集，已发表论文中的大多数排序基于不可比的数字；与文献中报道的近乎完美的准确率分数相反，迄今为止在 FoV 区域内达到的最高准确率分数为 0.9582，比人类标注者高 1%。我们开发的用于识别和消除评估偏差的方法可轻松应用于可能出现类似问题的其他领域。
引用
@article{arxiv.2111.03853,
title = {A new baseline for retinal vessel segmentation: Numerical identification and correction of methodological inconsistencies affecting 100+ papers},
author = {György Kovács and Attila Fazekas},
journal= {arXiv preprint arXiv:2111.03853},
year = {2021}
}