从噪声排序标注中学习胎儿超声的语义图像质量

我们引入了语义图像质量的概念，适用于图像质量依赖于语义要求的应用场景。在胎儿超声领域，由于排序具有挑战性且标注存在噪声，我们设计了一种鲁棒的由粗到细模型，该模型基于语义图像质量对图像进行排序，并为预测的排序赋予不确定性估计。为了对训练数据进行排序标注，我们设计了一种基于归并排序算法的高效排序标注方案。最后，我们将我们的排序算法与多种最先进的排序算法在具有挑战性的胎儿超声质量评估任务上进行了对比，结果显示我们的方法在大多数秩相关指标上表现出优越的性能。