医学图像分析中的众包技术综述
计算机视觉与模式识别
2019-09-05 v2 人机交互
摘要
受机器学习算法应用于“大数据”的推动，许多领域的图像处理能力均取得了快速进展。然而，在医学图像分析领域，进展在一定程度上因缺乏大规模、精标注的数据集而受限。造成此现象的主因之一是生成大量高质量元数据往往成本高昂。近来，将众包应用于此目的的兴趣日益增长；该技术在从计算机视觉到天体物理的诸多学科中已被证明可有效创建大规模数据集。尽管该方法日益流行，迄今尚无全面的文献综述为考虑在自身医学影像分析中采用众包方法的研究者提供指导。本综述回顾了 2018 年 7 月之前发表的、将众包应用于医学图像分析的研究。我们梳理了常见方法、挑战与注意事项，为采用该方法的研究者提供实用指导。最后，我们讨论了这一新兴领域未来的发展机遇。
引用
@article{arxiv.1902.09159,
title = {A Survey of Crowdsourcing in Medical Image Analysis},
author = {Silas Ørting and Andrew Doyle and Arno van Hilten and Matthias Hirth and Oana Inel and Christopher R. Madan and Panagiotis Mavridis and Helen Spiers and Veronika Cheplygina},
journal= {arXiv preprint arXiv:1902.09159},
year = {2019}
}
备注
Submitted to Human Computation