用于影像生物标志物不确定性估计的贝叶斯神经网络

图像分割可从扫描中提取定量测度，用作疾病的影像生物标志物。然而，分割质量在不同扫描间可能存在显著差异，从而在后续生物标志物的统计分析中产生不可靠估计。核心问题在于分割与生物标志物分析相互独立进行。我们提出将分割不确定性传播至统计分析，以考量分割置信度的变化。为此，我们评估了四种贝叶斯神经网络以从后验分布中采样并估计不确定性。随后我们为生物标志物赋予置信度度量，并提出将其整合进组分析与疾病分类的统计模型。我们在糖尿病患者肝脏分割上的结果清晰表明，在统计推断中整合生物标志物不确定性带来了改进。