基于卷积自编码器的交互式用户界面用于 CT 扫描标注
人机交互
2019-04-29 v1 计算机视觉与模式识别
机器学习
摘要
高分辨率计算机断层扫描(HRCT)是间质性肺病最重要的成像方式，放射科医生致力于识别特定模式及其体积与区域分布。机器学习可通过执行语义分割来辅助放射科医生完成这两项任务。本文提出一种用于语义分割的交互式标注工具，可协助放射科医生标注 CT 扫描。该标注工具由六名放射科医生及放射科住院医师评估，用于对 HRCT 图像中的健康肺与网状模式进行分类。系统可用性通过系统可用性量表(SUS)及使用工具标注 CT 容积的读者交互信息进行评估。研究发现，不同用户所体验到的可用性及与系统的交互方式存在差异。优先学习速度而非模型精度、减少手动标注时间并转而利用 GUI 提供建议的用户给出了更高的 SUS 分数。对读者间标注差异的分析显示，在肺纤维化中健康与受累肺实质分类方面具有实质性一致(Cohen's kappa=0.69)。读者间差异对金标准的定义构成了挑战。
引用
@article{arxiv.1904.11701,
title = {Interactive user interface based on Convolutional Auto-encoders for annotating CT-scans},
author = {Martin Längkvist and Jonas Widell and Per Thunberg and Amy Loutfi and Mats Lidén},
journal= {arXiv preprint arXiv:1904.11701},
year = {2019}
}
备注
12 pages