基于 soft Dice 的优化可导致体积偏倚
图像与视频处理
2020-10-09 v1 计算机视觉与模式识别
摘要
分割是医学图像分析中的基本任务。临床关注常在于测量某结构体积。为评估与比较分割方法，使用如 Dice 分数等指标衡量分割与预定义金标准间的相似度。近期基于卷积神经网络的分割方法在学习阶段显式使用 Dice 分数的可微替代量（如 soft Dice）作为损失函数。尽管该方法提升了 Dice 分数，我们发现，在理论上及四个医学任务经验上，对于具有高固有不确定性的任务，它可能引入体积偏倚。因此，这可能限制该方法的临床适用性。
引用
@article{arxiv.1911.02278,
title = {Optimization with soft Dice can lead to a volumetric bias},
author = {Jeroen Bertels and David Robben and Dirk Vandermeulen and Paul Suetens},
journal= {arXiv preprint arXiv:1911.02278},
year = {2020}
}
备注
BrainLes Workshop - MICCAI 2019