医学图像分割中观察者间与观察者内变异性的概率建模
图像与视频处理
2023-07-24 v1 人工智能
计算机视觉与模式识别
机器学习
概率论
摘要
医学图像分割是一项具有挑战性的任务，尤其因为观察者间与观察者内的变异性，即便在医学专家之间亦如此。本文中，我们提出一种称为概率观察者间与观察者内变异网络（Pionono）的新模型。它以多维概率分布刻画每位标注者的标注行为，并将该信息与图像特征图相融合以产生概率化分割预测。模型通过变分推断优化，并可端到端训练。其性能优于 SOTA 模型如 STAPLE、Probabilistic U-Net 以及基于混淆矩阵的模型。此外，Pionono 预测多个连贯的分割图以模拟标注者的专家意见，为诊断过程提供额外的有价值信息。在真实世界癌症分割数据集上的实验表明了 Pionono 的高精度与高效率，使其成为医学图像分析的有力工具。
引用
@article{arxiv.2307.11397,
title = {Probabilistic Modeling of Inter- and Intra-observer Variability in Medical Image Segmentation},
author = {Arne Schmidt and Pablo Morales-Álvarez and Rafael Molina},
journal= {arXiv preprint arXiv:2307.11397},
year = {2023}
}
备注
13 pages, 5 figures