基于地标模型的多中心异质标签解剖分割
图像与视频处理
2023-09-06 v1 计算机视觉与模式识别
摘要
在多中心数据集中从异质标签学习解剖分割是临床场景中常见的情形,其中某些解剖结构仅在来自特定医疗中心的图像中被标注,而未在整个数据库中标出。本文首先展示了最先进的像素级分割模型由于域记忆问题和标签冲突,在朴素地学习该任务时如何失败。我们随后提出采用HybridGNet,一种基于地标、利用基于图的表示学习可用解剖结构的分割模型。通过分析两种模型学习的潜空间,我们表明HybridGNet天然地学习到更具域不变性的特征表示,并在胸部X光多类分割背景下提供经验证据。我们希望这些见解能为从公共和多中心数据集用异质标签训练深度学习模型提供启示。
引用
@article{arxiv.2211.07395,
title = {Multi-center anatomical segmentation with heterogeneous labels via landmark-based models},
author = {Nicolás Gaggion and Maria Vakalopoulou and Diego H. Milone and Enzo Ferrante},
journal= {arXiv preprint arXiv:2211.07395},
year = {2023}
}