基于随机游走标签传播的噪声标注下鲁棒丘脑核分割模型训练
图像与视频处理
2023-04-03 v1 定量方法
摘要
数据驱动的丘脑核分割依赖于高质量的手动标注。然而，丘脑核之间体积小且对比度变化低，导致标注往往不完整、含噪声或标记模糊。为了在噪声标注下训练鲁棒的丘脑核分割模型，我们提出了一种基于随机游走者的标签传播算法，在模型训练前对标注进行精炼。我们训练了一个两步模型，先生成整个丘脑，再生成核掩码。我们在一个带有噪声丘脑核标注的轻度创伤性脑损伤（mTBI）数据集上进行了实验。我们的模型以明显优势优于当前最先进的丘脑核分割方法。我们相信我们的方法也能促进其他带噪声标签的分割模型的训练。
引用
@article{arxiv.2303.17706,
title = {Label Propagation via Random Walk for Training Robust Thalamus Nuclei Parcellation Model from Noisy Annotations},
author = {Anqi Feng and Yuan Xue and Yuli Wang and Chang Yan and Zhangxing Bian and Muhan Shao and Jiachen Zhuo and Rao P. Gullapalli and Aaron Carass and Jerry L. Prince},
journal= {arXiv preprint arXiv:2303.17706},
year = {2023}
}