解剖感知的分割精度测量

量化医学图像中器官、组织类型和肿瘤的分割与手动勾画精度是一项必要的测量，但存在多个问题。所有精度度量的一个主要缺陷是它们忽略了给定分割区域内不同区域的解剖学意义或相关性。因此，现有精度指标衡量给定分割与金标准（ground-truth）的重叠，而分割内部无任何解剖学区分。例如，若我们将直肠壁或尿道括约肌理解为解剖区域，则当前精度度量在用于评估前列腺段质量时会忽略其重要性。本文中，我们提出一种用于医学图像分割精度的解剖感知测量方案。其思想是创建基于共识形状的“主金标准（master gold）”，该形状不仅包含分割的轮廓，还包含内部区域（若存在或相关）的轮廓。为将这一新方法应用于精度测量，我们引入了Dice系数和Jaccard指数的解剖感知扩展，并利用500张合成前列腺超声图像（每幅图像有20个不同分割）研究其效果。我们表明，通过解剖敏感的分割精度计算，即考虑相关解剖区域，不仅单个用户的测量值可能改变，而且用户分割技能的排名也可能需要重新排序。