医生标注医学图像的精力估计
机器学习
2019-01-09 v1 图像与视频处理
机器学习
摘要
医学图像的准确标注是图像 AI 临床应用的关键步骤。然而，由于其高度复杂性且需要经验丰富的医生，标注医学图像会产生大量的标注精力与费用。为减轻标注成本，一些主动学习方法被提出。但这些方法仅削减了标注候选的数量，并未研究医生将确切花费多少精力，这并不充分，因为即便标注少量医学数据也会耗费医生大量时间。本文提出一种评估医生标注医学图像精力的新准则。首先，结合主动学习与 U 形网络，我们采用一种提示性标注策略来选择最有效的标注候选。然后我们利用一个精细标注平台来减轻对每个候选的标注精力，并首次利用一个新准则定量计算医生所花费的精力。在我们的工作中，以 MR 脑组织结构分割为例评估所提方法。在著名的 IBSR18 数据集与 MRBrainS18 挑战数据集上的大量实验表明，使用所提策略，仅用 60% 的标注候选即可达到最先进的分割性能，且标注精力在 CSF、GM、WM 上分别至少减轻 44%、44%、47%。
引用
@article{arxiv.1901.02355,
title = {Efforts estimation of doctors annotating medical image},
author = {Yang Deng and Yao Sun and Yongpei Zhu and Yue Xu and Qianxi Yang and Shuo Zhang and Mingwang Zhu and Jirang Sun and Weiling Zhao and Xiaobo Zhou and Kehong Yuan},
journal= {arXiv preprint arXiv:1901.02355},
year = {2019}
}