胸部计算机断层扫描图像中气道的众包标注
计算机视觉与模式识别
2021-06-09 v1 人机交互
摘要
在胸部计算机断层扫描（CT）中测量气道对于表征囊性纤维化等疾病十分重要，但手动操作极为耗时。机器学习算法提供了一种替代方案，但需要大量标注扫描数据才能取得良好性能。我们研究了是否可利用众包来收集气道标注。我们在24名受试者的已知气道位置生成图像切片，并请求众包工作者勾画出气道腔与气道壁。在合并多名众包工作者的标注后，我们将测量结果与原扫描中专家所做的测量进行比较。与我们的初步研究类似，大量标注被排除，可能是由于工作者误解了指令。在排除此类标注后，可观察到与专家具有中等至较强的相关性，尽管这些相关性略低于专家间的相关性。此外，本研究中不同受试者的结果差异较大。尽管众包在气道标注方面具有潜力，但仍需进一步开发以使其足够稳健，从而在实践中用于收集标注。为可复现性，数据与代码已在线提供：\url{http://github.com/adriapr/crowdairway.git}。
引用
@article{arxiv.2011.10433,
title = {Crowdsourcing Airway Annotations in Chest Computed Tomography Images},
author = {Veronika Cheplygina and Adria Perez-Rovira and Wieying Kuo and Harm A. W. M. Tiddens and Marleen de Bruijne},
journal= {arXiv preprint arXiv:2011.10433},
year = {2021}
}