结合负图像帧与多观察者标签的术中超声分割开发与评估
计算机视觉与模式识别
2021-08-10 v1 机器学习
摘要
在开发用于分割术中超声图像的深度神经网络时，经常会遇到若干实际问题，例如不存在感兴趣区域的超声帧的出现，以及真值标签的高方差。在本研究中，我们评估了在分割网络之前使用预筛选分类网络的效用。实验结果表明，此类分类器通过最小化帧分类误差，能够直接影响假阳性和假阴性帧的数量。重要的是，在被分类器选中、即将进行分割的帧上，分割精度与独立分割网络相当或更好。有趣的是，预筛选分类器的效能受到来自多个观察者的训练标签采样方法的影响，这看似是一个独立的问题。我们通过实验表明，先前提出的结合随机采样与共识标签的方法，可能需要进行调整才能在我们的应用中表现良好。此外，本工作旨在分享开发机器学习应用以辅助前列腺癌患者高度可变介入成像的实践经验，提供鲁棒且可复现的开源实现，并报告在真实临床应用中比较这些实用却重要的选项的一组全面结果与分析。
引用
@article{arxiv.2108.04114,
title = {Development and evaluation of intraoperative ultrasound segmentation with negative image frames and multiple observer labels},
author = {Liam F Chalcroft and Jiongqi Qu and Sophie A Martin and Iani JMB Gayo and Giulio V Minore and Imraj RD Singh and Shaheer U Saeed and Qianye Yang and Zachary MC Baum and Andre Altmann and Yipeng Hu},
journal= {arXiv preprint arXiv:2108.04114},
year = {2021}
}
备注
Accepted to ASMUS@MICCAI 2021