具有不确定性的分层脑分区
计算机视觉与模式识别
2020-09-17 v1
摘要
许多用于脑分区的图谱是分层组织的，逐步将大脑划分为更小的子区域。然而，最先进的分区方法往往忽略这种结构，并将标签视为“扁平”的。我们引入了一种分层感知的脑分区方法，其通过预测标签树中每个分支上的决策来工作。我们进一步展示了如何使用该方法对标签树中每个分支的不确定性分别建模。我们的方法超越了扁平不确定性方法的性能，同时还提供了分解的不确定性估计，使我们能够在标签层级的任何水平上获得自一致的分区与不确定性图。我们展示了一种简单方式，可利用这些决策特定的不确定性图在标签树的任何水平上提供不确定性阈值化的组织图。
引用
@article{arxiv.2009.07573,
title = {Hierarchical brain parcellation with uncertainty},
author = {Mark S. Graham and Carole H. Sudre and Thomas Varsavsky and Petru-Daniel Tudosiu and Parashkev Nachev and Sebastien Ourselin and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:2009.07573},
year = {2020}
}
备注
To be published in the MICCAI 2020 workshop: Uncertainty for Safe Utilization of Machine Learning in Medical Imaging