用于共识勾画的快速条形码检索

标记肿瘤和器官是一项极具挑战性的任务，存在观察者间和观察者内的变异性。文献通过在多位专家标记同一图像时生成共识来量化观察者变异性。目前临床实践中尚不存在自动构建共识轮廓以确立图像分割质量保证的方法。随着大数据变得越来越可用，访问多位专家大量现有分割的技术成为可能。因此，需要快速算法来促进相似病例的搜索。本工作提出了一个潜在框架，在小数据集（合成图像和真实图像）上的测试显示了寻找相似图像的可靠性。在本文中，使用基于内容的条形码思想检索相似病例，以在医学图像分割中构建共识轮廓。这种方法可视为传统基于图谱分割的扩展，后者由于所需的计算开销通常使用较小的图谱。通过条形码的快速分割检索过程使得创建和使用大型图谱成为可能，这直接有助于共识构建的质量。由于必须测量专家轮廓的准确性，我们首先使用了 500 张带有其金标准和 20 名模拟用户勾画结果的前列腺合成图像。快速条形码引导的计算共识与金标准分割相比，平均误差为 $8\%\!\pm\!5\%$。此外，我们使用了由 5 名肿瘤学家勾画的 15 名患者的前列腺磁共振图像，并选择最佳勾画作为金标准分割。所提出的条形码图谱与金标准分割轮廓达到了 $87\%\!\pm\!9\%$ 的 Jaccard 重叠度。