基于点标注热图回归的病灶检测
图像与视频处理
2022-08-12 v1 计算机视觉与模式识别
机器学习
摘要
在许多临床情境中，检出所有病灶对于评估疾病活动度至关重要。标准方法将病灶检测视为分割问题，尽管获取分割标注十分耗时。在本文中，我们提出一种仅依赖点标注的病灶检测方法。我们的模型通过热图回归训练，能够以概率方式检测可变数量的病灶。事实上，我们提出的后处理方法提供了一种直接估计病灶存在不确定性的可靠途径。在 Gad 病灶检测上的实验结果表明，我们的基于点的方法与在昂贵的分割标注上训练的方法相比具有竞争力。最后，我们的检测模型为分割提供了合适的预训练。当仅在 17 个分割样本上微调时，我们取得了与使用完整数据集训练相当的性能。
引用
@article{arxiv.2208.05939,
title = {Heatmap Regression for Lesion Detection using Pointwise Annotations},
author = {Chelsea Myers-Colet and Julien Schroeter and Douglas L. Arnold and Tal Arbel},
journal= {arXiv preprint arXiv:2208.05939},
year = {2022}
}
备注
Accepted at Medical Image Learning with Limited & Noisy Data (MILLanD), a workshop hosted with the conference on Medical Image Computing and Computer Assisted Interventions (MICCAI) 2022