前列腺 MRI 中的解剖与诊断贝叶斯分割——不同临床目标是否应对应不同损失函数？
图像与视频处理
2021-10-26 v1 计算机视觉与模式识别
摘要
我们假设，前列腺 MRI 中解剖与恶性的概率性体素级分类，尽管通常通过 U-Nets 被构建为近乎相同的分割任务，但由于其临床目标的内在差异，需要不同的损失函数以实现最优性能。我们基于公开可用的 ProstateX 数据集中的 200 例患者检查，针对两项任务考察了基于分布、区域和边界的损失函数。为评估，我们对模型预测与校准进行了详尽的比较分析，衡量标准包括前列腺解剖（全腺体、移行区、外周区）的多类体积分割，以及患者级诊断和临床显著前列腺癌的病灶级检测。值得注意的是，我们发现基于分布的损失函数（尤其是 focal loss）非常适合诊断性或全景分割任务（如病灶检测），主要因其隐式地带来更好的校准。同时，（除 focal loss 外）基于分布和区域/边界的损失函数在解剖性或语义分割任务（如器官形状、大小和边界的量化）中表现同样良好。
引用
@article{arxiv.2110.12889,
title = {Anatomical and Diagnostic Bayesian Segmentation in Prostate MRI $-$Should Different Clinical Objectives Mandate Different Loss Functions?},
author = {Anindo Saha and Joeran Bosma and Jasper Linmans and Matin Hosseinzadeh and Henkjan Huisman},
journal= {arXiv preprint arXiv:2110.12889},
year = {2021}
}
备注
Accepted to Medical Imaging Meets NeurIPS Workshop of the 35th Conference on Neural Information Processing Systems (NeurIPS 2021)