深度学习模型在解剖 landmarks 检测中的可靠性： inter-rater 可变性的作用

解剖 landmarks 的自动检测在诊断和手术应用中起着关键作用。深度学习（DL）方法的进展显著提升了与解剖 landmarks 检测相关任务的性能。尽管当前研究聚焦于在医学扫描中准确定位这些 landmarks，但关于构建 DL 模型时 inter-rater 注释可变性的重要性常被忽视。了解 inter-rater 可变性如何影响所得 DL 算法的性能和可靠性——这对于临床部署至关重要——可指导训练数据构建的改进并提升 DL 模型的效果。本文我们对不同注释融合策略进行了彻底的研究，以在解剖 landmarks 检测中保留 inter-rater 可变性，旨在提升所得算法的性能和可靠性。此外，我们探讨了四种指标的特征和可靠性，包括一种新颖的加权坐标方差量化 landmarks 检测不确定性/inter-rater 可变性。我们的研究凸显了 inter-rater 可变性、DL 模型性能与不确定性之间的关键联系，揭示了不同多注释 landmarks 注释融合方法如何影响这些因素。