光学相干断层扫描图像中玻璃膜疣分割的认知与偶然不确定性分析

年龄相关性黄斑变性（AMD）是60岁以上人群永久性视力丧失的主要原因之一。准确分割指向AMD早期阶段的生物标志物（如玻璃膜疣）对于预防进一步的视力损害至关重要。然而，由于玻璃膜疣大小和外观各异、对比度低且与噪声相似，其分割极具挑战性。因此，现有文献大多聚焦于利用分类估计玻璃膜疣大小，而对精确分割这一挑战鲜有攻克。此外，获取像素级标注成本极高，且此类标签常含噪声，存在观察者间与观察者内差异。量化与分割任务相关的不确定性为检视分割输出提供了基于原则的度量的方法。认识到其在识别错误分割及临床决策中的潜在应用价值，本文开发了一种基于U-Net的玻璃膜疣分割模型并量化了分割不确定性。我们研究了分别刻画模型置信度与数据不确定性的认知不确定性和偶然不确定性。我们给出了分割结果并展示了不确定性如何助力构建鲁棒的评估策略。我们对测试图像上的像素级不确定性和分割结果进行了视觉检视。最后，我们分析了分割不确定性与准确性之间的相关性。我们的结果证明了在开发和解释医学图像分析分割模型中利用不确定性的效用。