潜空间分布对多标注图像分割的影响
计算机视觉与模式识别
2023-07-03 v1 机器学习
图像与视频处理
摘要
我们提出了广义概率U-Net（Generalized Probabilistic U-Net），它通过允许更一般形式的高斯分布作为潜空间分布来扩展概率U-Net，从而能更好地近似参考分割中的不确定性。我们研究了潜空间分布的选择对捕获肺肿瘤与脑白质高信号参考分割中变异性的影响。我们表明，分布的选择会影响预测的样本多样性及其相对于参考分割的重叠度。我们的实现已发布于 https://github.com/ishaanb92/GeneralizedProbabilisticUNet
引用
@article{arxiv.2304.13476,
title = {Effect of latent space distribution on the segmentation of images with multiple annotations},
author = {Ishaan Bhat and Josien P. W. Pluim and Max A. Viergever and Hugo J. Kuijf},
journal= {arXiv preprint arXiv:2304.13476},
year = {2023}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2023:005. arXiv admin note: text overlap with arXiv:2207.12872