仅借助涂鸦式弱监督学习分割医学图像
计算机视觉与模式识别
2018-07-13 v1
摘要
医学图像的语义分割是量化健康解剖结构与疾病的关键步骤。当前大多数最先进的分割算法基于深度神经网络，并依赖于带有完整像素级标注的大型数据集。生成此类标注通常只能由医学专业人员完成，且需要大量宝贵时间。使用弱标注训练医学图像分割网络仍是一个相对未被充分探索的课题。在本工作中，我们研究了仅从涂鸦标注中学习像素级分割网络参数的训练策略。我们在公开的心脏（ACDC）与前列腺（NCI-ISBI）分割数据集上评估了这些技术。我们发现，相较于在完整标注上训练的网络，在涂鸦上训练的网络在 Dice 系数上仅分别出现了小得惊人的 2.9%（心脏）与 4.5%（前列腺）的下降。
引用
@article{arxiv.1807.04668,
title = {Learning to Segment Medical Images with Scribble-Supervision Alone},
author = {Yigit B. Can and Krishna Chaitanya and Basil Mustafa and Lisa M. Koch and Ender Konukoglu and Christian F. Baumgartner},
journal= {arXiv preprint arXiv:1807.04668},
year = {2018}
}
备注
Accepted for presentation at DLMIA 2018