MISm：一种用于弱标注数据评估的医学图像分割度量
计算机视觉与模式识别
2022-10-26 v1
摘要
性能度量是评估和比较不同医学图像分割算法的重要工具。遗憾的是，当前度量在评估某些边缘情形时存在不足。当评估具有极小感兴趣区域或完全无感兴趣区域的图像时，这些局限性便显现出来。作为这些局限性的解决方案，我们提出一种新的医学图像分割度量：MISm。为评估 MISm，我们使用多种场景下的磁共振断层图像，将医学图像分割中的流行度量与 MISm 进行比较。为了便于社区应用与实验结果的可复现，我们将 MISm 纳入公开可用的评估框架 MISeval：https://github.com/frankkramer-lab/miseval/tree/master/miseval
引用
@article{arxiv.2210.13642,
title = {MISm: A Medical Image Segmentation Metric for Evaluation of weak labeled Data},
author = {Dennis Hartmann and Verena Schmid and Philip Meyer and Iñaki Soto-Rey and Dominik Müller and Frank Kramer},
journal= {arXiv preprint arXiv:2210.13642},
year = {2022}
}
备注
GitHub: https://github.com/frankkramer-lab/miseval/tree/master/miseval