一种用于医学图像标注的无扰质量监控方法
图像与视频处理
2022-11-23 v2 计算机视觉与模式识别
摘要
图像标注是启用数据驱动算法的重要前置步骤。在医学影像中，拥有大规模且可靠标注的数据集对于稳健识别各类疾病至关重要。然而，标注者表现差异巨大，从而影响模型训练。因此常需雇用多名标注者，但这昂贵且耗费资源。故期望用户标注未见过的数据，并有一个自动化系统在此过程中无扰地评估其表现。我们基于显示肺积液细胞的全切片图像（WSIs）考察了此类系统。我们评估了两种生成合成单个细胞图像的方法：条件生成对抗网络与扩散模型（DM）。为定性与定量评估，我们开展用户研究以凸显生成细胞的适用性。用户未能检测出 52.12% 由 DM 生成的图像，证明了在不被察觉的情况下以合成细胞替换原始细胞的可行性。
引用
@article{arxiv.2211.06146,
title = {An unobtrusive quality supervision approach for medical image annotation},
author = {Sonja Kunzmann and Mathias Öttl and Prathmesh Madhu and Felix Denzinger and Andreas Maier},
journal= {arXiv preprint arXiv:2211.06146},
year = {2022}
}
备注
4 pages, 4 figures