关于配准不确定性的适用性
计算机视觉与模式识别
2020-04-27 v3
摘要
估计（概率）图像配准中的不确定性，使外科医生能够基于配准图像数据的可信度评估手术风险。若外科医生接收到计算不准确的配准不确定性，并对对齐方案赋予不当的信任，可能导致严重后果。对于概率图像配准（PIR），量化配准不确定性的主要方式是使用变换参数分布的汇总统计量。现有多数研究聚焦于尝试不同的汇总统计量以及利用它们的方法。不同的是，本文研究两个鲜被考察的问题：（1）变换分布的这些汇总统计量是否最能反映配准不确定性；（2）利用配准不确定性是否总是有益的。我们表明存在两类不确定性：变换不确定性 和标签不确定性 。用 量化 的传统方式是不恰当的，且可能产生误导。通过真实数据实验，我们还分享了一个潜在关键的发现：利用配准不确定性未必总是一种改进。
引用
@article{arxiv.1803.05266,
title = {On the Applicability of Registration Uncertainty},
author = {Jie Luo and Alireza Sedghi and Karteek Popuri and Dana Cobzas and Miaomiao Zhang and Frank Preiswerk and Matthew Toews and Alexandra Golby and Masashi Sugiyama and William M. Wells and Sarah Frisken},
journal= {arXiv preprint arXiv:1803.05266},
year = {2020}
}
备注
MICCAI 2019. arXiv admin note: text overlap with arXiv:1704.08121