用于3D超声图像子宫plumoc segmentation的交互式分割模型
计算机视觉与模式识别
2024-07-12 v1
摘要
从3D超声图像测量子宫体积对于预测妊娠结果至关重要，手动标注是金标准。然而，这种手动标注成本高昂且耗时。自动化分割算法通常可以成功地分割子宫，但这些方法可能无法始终产生适用于实际应用的稳健分割结果。最近，受Segment Anything Model (SAM)的启发，基于深度学习的交互式分割模型在医学影像领域得到广泛应用。这些模型根据提供给目标区域的视觉提示生成分割结果，这可能为实际应用提供可行的解决方案。然而，目前尚无模型专门用于交互式分割3D超声图像，这类图像因本征噪声而具有挑战性。本文评估了公开的先进3D交互式分割模型与人类在环方法在子宫分割任务中的表现。用于评估的指标包括Dice系数、归一化表面Dice、平均对称表面距离和95分位 Hausdorff距离。我们将Dice系数0.95视为成功的分割。我们的结果表明，人类在环分割模型达到了这一标准。此外，我们评估了人类在环模型在提示数量函数下的效率。我们的结果表明，人类在环模型在交互式子宫分割中既有效又高效。代码可在 \url{https://github.com/MedICL-VU/PRISM-placenta} 获取。
引用
@article{arxiv.2407.08020,
title = {Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images},
author = {Hao Li and Baris Oguz and Gabriel Arenas and Xing Yao and Jiacheng Wang and Alison Pouch and Brett Byram and Nadav Schwartz and Ipek Oguz},
journal= {arXiv preprint arXiv:2407.08020},
year = {2024}
}