随机束：通过标注随机化集成脑转移瘤分割
计算机视觉与模式识别
2020-04-29 v2
摘要
我们引入一种新颖的集成方法——随机束（RB），可提升脑转移瘤分割性能。我们通过在我们数据集上以50%的标注病灶被剔除的方式来训练每个网络以构建集成。我们还应用偏态bootstrap损失，以在诱导出计算机模拟的50%假阴性率后恢复性能，并使我们的网络更敏感。我们将网络对病灶检测的mAP值提升了39%，并在80%精度下将灵敏度提升至三倍以上。我们还通过DICE分数显示了分割质量的轻微改善。此外，RB集成比多种流行集成策略以更大优势超越基线性能。最后，我们通过将其性能与单一网络在两者计算量受限相同条件下比较，表明RB集成在计算上高效。
引用
@article{arxiv.2002.09809,
title = {Random Bundle: Brain Metastases Segmentation Ensembling through Annotation Randomization},
author = {Darvin Yi and Endre Grøvik and Michael Iv and Elizabeth Tong and Greg Zaharchuk and Daniel Rubin},
journal= {arXiv preprint arXiv:2002.09809},
year = {2020}
}