二维超声心动图分割的贝叶斯优化
图像与视频处理
2022-11-21 v1 计算机视觉与模式识别
最优化与控制
摘要
贝叶斯优化（BO）是一种研究充分的超参数调优技术，对于高代价、高参数的机器学习问题，其效率高于网格搜索。超声心动图是心脏病学中评估心脏结构与功能的普遍模态。本工作中，我们使用 BO 来优化已发表的一个深度全卷积神经网络模型的架构与训练相关超参数，该模型用于超声心动图的多结构分割。在公平比较下，所得模型在标注的 CAMUS 数据集的心尖两腔与四腔超声视图上均优于这一近期最优方法。我们报告左心室内膜、左室心外膜和左心房的平均 Dice 重叠分别为 0.95、0.96 和 0.93。我们还观察到衍生临床指标的显著改善，包括左心室舒张末期容积（4.9mL 对比 6.7）、收缩末期容积（3.1mL 对比 5.2）和射血分数（2.6% 对比 3.7）的中位绝对误差更小；以及更紧的一致性界限，其已在非增强超声的评分者间变异范围内。这些结果展示了 BO 相对于近期最优框架在超声心动图分割中的益处，尽管仍需使用大规模独立临床数据验证。
引用
@article{arxiv.2211.09888,
title = {Bayesian Optimization of 2D Echocardiography Segmentation},
author = {Son-Tung Tran and Joshua V. Stough and Xiaoyan Zhang and Christopher M. Haggerty},
journal= {arXiv preprint arXiv:2211.09888},
year = {2022}
}