MLV^2-Net：基于评分者的多数标签投票，用于一致的脑膜淋巴管分割
计算机视觉与模式识别
2024-11-14 v1 人工智能
机器学习
摘要
脑膜淋巴管 (MLV) 负责引流人脑的代谢废物。其功能受损与衰老以及多发性硬化和阿尔茨海默病等脑部疾病相关。然而，MLV 仅最近才在磁共振成像 (MRI) 中首次被描述，其分支结构使得手动分割极具挑战。此外，由于缺乏对其外观的一致认知，人工标注的 MLV 结构存在高评分者间变异性，大多数自动分割方法无法考虑这一点。本文为流行的 nnU-Net 模型提出了一种新的感知评分者训练方案，并探索了基于评分者的集成策略，以实现准确且一致的 MLV 分割。这使我们能够提升 nnU-Net 的性能，同时获得不同标注风格的显式预测和基于评分者的不确定性估计。我们的最终模型 MLV^2-Net 相对于人工参考标准达到 0.806 的 Dice 相似性系数。该模型进一步匹配人工评分者间信度，并复现了 MLV 体积与年龄的相关性。
引用
@article{arxiv.2411.08537,
title = {MLV$^2$-Net: Rater-Based Majority-Label Voting for Consistent Meningeal Lymphatic Vessel Segmentation},
author = {Fabian Bongratz and Markus Karmann and Adrian Holz and Moritz Bonhoeffer and Viktor Neumaier and Sarah Deli and Benita Schmitz-Koep and Claus Zimmer and Christian Sorg and Melissa Thalhammer and Dennis M Hedderich and Christian Wachinger},
journal= {arXiv preprint arXiv:2411.08537},
year = {2024}
}
备注
ML4H 2024