医学与随机点图像中小变化的检测：自组织映射性能与人类检测的比较
计算机视觉与模式识别
2019-06-28 v1
摘要
放射科医生使用医学图像时间序列来监测患者病情进展。他们比较从图像序列中收集的信息，以洞察病灶的进展或消退，从而评估患者病情进展或对治疗的反应。确定一系列图像与另一系列图像之间差异的视觉方法可能具有主观性，或无法检测到非常小的差异。我们提出使用自组织映射获得的量化误差进行图像内容分析。我们在逐步添加合成病灶的 MRI 图像上测试了该技术。我们采用了一种全局方法，考虑整个图像上的变化，而非仅考虑分割病灶区域的变化。我们认为，这种方法不受分割所施加的限制，分割可能会影响结果。结果显示，量化误差随图像中病灶的增加而增加。结果也与使用替代方法的先前研究一致。然后，我们将我们方法的可检测性与人类新手观察者在随机点图像中检测非常小的局部差异的能力进行了比较。SOM 输出的量化误差与减去假阳性率（猜测率）后的正确阳性率相比，随着局部点大小的微小增加而显著且一致地增加，而这些增加是人类无法检测到的。我们得出结论，我们的方法能检测复杂图像中非常小的变化，并建议可将其用于辅助人类操作员进行基于图像的决策。
引用
@article{arxiv.1906.11675,
title = {Detection of small changes in medical and random-dot images comparing self-organizing map performance to human detection},
author = {John Wandeto and Henry Nyongesa and Yves Remond and Birgitta Dresp-Langley},
journal= {arXiv preprint arXiv:1906.11675},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1709.02292