医学图像分割中的不确定性导航

我们针对医学图像分割方法的选择与评估问题提出了解决方案，并给出两个案例研究：前列腺图像分割说明，对于最小注释者变异，简单的数据驱动模型即可满足要求；肺部病灶分割则突显了Generalized Energy Distance（GED）在模型选择方面的局限性。我们的发现导致了一套准确选择和开发不确定性分割模型的指南，旨在整合aleatoric与epistemic分量。这些指南旨在帮助研究人员和实践者更好地开发、选择和评估不确定性分割方法，从而促进分割不确定性在实际应用中的采纳和有效应用。