挑战当前脑 MRI 半监督异常分割方法的有效性
图像与视频处理
2023-09-26 v1
摘要
在本工作中，我们解决了脑磁共振图像（MRI）中的半监督异常分割（SAS）问题，该任务旨在自动识别脑图像中的病变。我们的工作通过表明对液体衰减反转恢复（FLAIR）MR 扫描进行阈值处理比几种不同的基于机器学习（ML）的异常检测模型提供更好的异常分割图，从而挑战了当前 ML 方法在该应用领域的有效性。具体而言，在各种用于肿瘤和多发性硬化病灶分割的流行评估数据集上，我们的方法取得了比竞争对手更好的 Dice 相似系数和精确率-召回率曲线。
引用
@article{arxiv.2109.06023,
title = {Challenging Current Semi-Supervised Anomaly Segmentation Methods for Brain MRI},
author = {Felix Meissen and Georgios Kaissis and Daniel Rueckert},
journal= {arXiv preprint arXiv:2109.06023},
year = {2023}
}
备注
10 pages, 4 figures, accepted to the MICCAI 2021 BrainLes Workshop