具有信息性不确定度的采集不变脑 MRI 分割
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
医学物理
摘要
合并多站点数据可增强并揭示趋势，但受站点特异性协变量影响，这类协变量会偏倚数据及任何下游分析。现有事后多站点校正方法但具有在真实场景中常不成立的强假设。算法应被设计为能解释站点特异性效应（如由序列参数选择引起的效应），且在泛化失败时，应能通过显式不确定度建模识别此类失败。本工作展示了这样一种算法，其能在分割任务中变得对采集物理特性鲁棒，同时建模不确定度。我们证明，我们的方法不仅泛化至完全留出数据集、保持分割质量，且在此过程中解释了站点特异性序列选择，这也使其能作为协调工具使用。
引用
@article{arxiv.2111.04094,
title = {Acquisition-invariant brain MRI segmentation with informative uncertainties},
author = {Pedro Borges and Richard Shaw and Thomas Varsavsky and Kerstin Klaser and David Thomas and Ivana Drobnjak and Sebastien Ourselin and M Jorge Cardoso},
journal= {arXiv preprint arXiv:2111.04094},
year = {2021}
}
备注
25 pages, 8 figures