消除不合理体积区域的虚假预测
图像与视频处理
2024-04-25 v1 计算机视觉与模式识别
摘要
尽管在开发针对3D医学图像分割的深度学习模型方面取得了显著进展，但有效地跨越多样化图像分布的泛化能力仍是一个挑战。虽然领域泛化被认为是临床应用中稳健性的关键，但训练时视野(FOV)有限带来的挑战尚未得到充分解决。这一限制导致在训练数据FOV之外的身体区域应用时会产生虚假预测。为此，我们提出了一种新型损失函数，通过惩罚不可信身体区域的预测来应对这一问题，该方法适用于单数据集和多数据集训练方案。它通过一种身体部位回归模型生成轴向切片位置得分来实现。通过使用包含不同FOV的测试集进行全面评估，我们的方法在泛化能力方面实现了显著提升，有效将假阳性肿瘤预测减少至85%，并显著提升了整体分割性能。
引用
@article{arxiv.2404.15718,
title = {Mitigating False Predictions In Unreasonable Body Regions},
author = {Constantin Ulrich and Catherine Knobloch and Julius C. Holzschuh and Tassilo Wald and Maximilian R. Rokuss and Maximilian Zenk and Maximilian Fischer and Michael Baumgartner and Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2404.15718},
year = {2024}
}