将图像配准构建为面向标签噪声感知任务表示的 landmarks 检测问题（HitR）
图像与视频处理
2024-07-02 v2 计算机视觉与模式识别
医学物理
摘要
准确的图像配准在生物医学图像分析中至关重要，而选择合适的配准算法需要审慎考量。尽管已有众多算法可用，用于评估其性能的度量指标却相对停滞。本研究通过引入一种称为 Landmark Hit Rate（HitR，地标命中率）的新评估指标来应对这一挑战，该指标关注图像配准精度的临床相关性。与强调亚分辨率差异的传统指标（如 Target Registration Error）不同，HitR 考量配准算法是否成功将地标定位在定义的置信区域内。这一范式转变承认了医学图像中固有的标注噪声，从而实现更有意义的评估。为使 HitR 具备标签噪声感知能力，我们提出基于评分者间方差分析来定义这些置信区域。由此，针对不同的地标区域大小计算命中率曲线，使得能够针对特定任务的精度水平进行性能度量。我们的方法为图像配准算法提供了更真实且更有意义的评估，反映了其对临床与生物医学应用的适用性。
引用
@article{arxiv.2308.01318,
title = {Framing image registration as a landmark detection problem for label-noise-aware task representation (HitR)},
author = {Diana Waldmannstetter and Ivan Ezhov and Benedikt Wiestler and Francesco Campi and Ivan Kukuljan and Stefan Ehrlich and Shankeeth Vinayahalingam and Bhakti Baheti and Satrajit Chakrabarty and Ujjwal Baid and Spyridon Bakas and Julian Schwarting and Marie Metz and Jan S. Kirschke and Daniel Rueckert and Rolf A. Heckemann and Marie Piraud and Bjoern H. Menze and Florian Kofler},
journal= {arXiv preprint arXiv:2308.01318},
year = {2024}
}