Lirot.ai：一种用于众包视网膜图像分割的新平台
计算机视觉与模式识别
2024-01-17 v2
摘要
引言：对于监督式深度学习（DL）任务，研究者需要大型标注数据集。在医学数据科学中，开发DL模型的主要限制之一是缺乏大量的标注样本。这最常源于标注所需的时间和专业知识。我们介绍Lirot.ai，一个用于促进和众包图像分割的新平台。方法：Lirot.ai由三个组件构成；一个名为Lirot.ai-app的iPadOS客户端应用、一个名为Lirot.ai-server的后端服务器和一个名为Lirot.ai-API的python API。Lirot.ai-app用Swift 5.6开发，Lirot.ai-server是一个firebase后端。Lirot.ai-API允许对数据库进行管理。Lirot.ai-app可安装到任意数量的iPadOS设备上，以便标注者能够同时且远程地进行分割。我们加入了Apple Pencil兼容性，使得专家的分割比任何其他基于计算机的替代方案更快、更准确和更直观。结果：我们展示了Lirot.ai用于创建具有参考血管分割的视网膜眼底数据集。讨论与未来工作：我们将使用主动学习策略，通过包含更高效的待标注图像筛选与分发流程，继续扩大我们的视网膜眼底数据集。
引用
@article{arxiv.2208.10100,
title = {Lirot.ai: A Novel Platform for Crowd-Sourcing Retinal Image Segmentations},
author = {Jonathan Fhima and Jan Van Eijgen and Moti Freiman and Ingeborg Stalmans and Joachim A. Behar},
journal= {arXiv preprint arXiv:2208.10100},
year = {2024}
}