用于心脏图像分割质量控制的的高效模型监测方法
图像与视频处理
2021-06-15 v1 计算机视觉与模式识别
机器学习
摘要
深度学习方法已在心脏图像分割中达到最先进的性能。当前，其有效转化至临床的主要瓶颈在于需要确保模型性能与分割结果的持续高水平。本工作中，我们提出一种新颖的学习框架，用于在缺乏真值的情况下监测心脏分割模型的性能。该监测框架被构建为一个异常检测问题，可推导分割的替代质量度量并标记可疑结果。我们提出两类不同的质量度量：全局分数与像素级图。我们通过在没有真值的情况下复现某项心脏分割挑战赛的最终排名来展示其用途。结果表明，我们的框架准确、快速且可扩展，证实其是临床实践与大型人群研究中质量控制监测的可行方案。
引用
@article{arxiv.2104.05533,
title = {Efficient Model Monitoring for Quality Control in Cardiac Image Segmentation},
author = {Francesco Galati and Maria A. Zuluaga},
journal= {arXiv preprint arXiv:2104.05533},
year = {2021}
}
备注
Accepted to the 11th Biennial Meeting on Functional Imaging and Modeling of the Heart (FIMH-2021)