基于距离的Covid-19肺病变分割分布外静默失败检测
图像与视频处理
2022-08-08 v1 计算机视觉与模式识别
机器学习
摘要
胸部计算机断层扫描（CT）中磨玻璃影和实变的自动分割有望在高资源利用时期减轻放射科医师的负担。然而，由于深度学习模型在分布外（OOD）数据上静默失败，其在临床常规中不受信任。我们提出一种轻量级OOD检测方法，利用特征空间中的马氏距离并无缝集成到最先进的分割流程中。该简单方法甚至可为预训练模型增补临床相关的不确定性量化。我们在四种胸部CT分布偏移以及两种磁共振成像应用（即海马和前列腺分割）上验证了我们的方法。结果表明，所提方法在所有探索场景中有效检测远OOD和近OOD样本。
引用
@article{arxiv.2208.03217,
title = {Distance-based detection of out-of-distribution silent failures for Covid-19 lung lesion segmentation},
author = {Camila Gonzalez and Karol Gotkowski and Moritz Fuchs and Andreas Bucher and Armin Dadras and Ricarda Fischbach and Isabel Kaltenborn and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2208.03217},
year = {2022}
}