具有自适应置信度校准的交互式医学图像分割
计算机视觉与模式识别
2021-11-16 v1 机器学习
摘要
医学图像分割是基于人工智能的临床决策系统的基本问题之一。当前自动医学图像分割方法常无法满足临床需求。为此，一系列交互式分割算法被提出以利用专家修正信息。然而，现有方法存在长期交互后分割细化失败以及专家标注成本等问题，阻碍了临床应用。本文提出一种称为具有自适应置信度校准的交互式医学分割（MECCA）的交互式分割框架，通过引入修正动作评估，结合基于动作的置信度学习与多智能体强化学习（MARL）。该评估通过新颖的基于动作的置信度网络建立，修正动作由MARL获得。基于置信信息，设计自适应奖励函数以提供更详细反馈，并提出无监督数据上的模拟标签生成机制以减少对标注数据的过度依赖。在各医学图像数据集上的实验结果显示了所提算法的显著性能。
引用
@article{arxiv.2111.07716,
title = {Interactive Medical Image Segmentation with Self-Adaptive Confidence Calibration},
author = {Wenhao Li and Qisen Xu and Chuyun Shen and Bin Hu and Fengping Zhu and Yuxin Li and Bo Jin and Xiangfeng Wang},
journal= {arXiv preprint arXiv:2111.07716},
year = {2021}
}