重新审视 3D 医疗涂鸦监督：超越心脏分割的基准测试
计算机视觉与模式识别
2025-08-14 v2
摘要
涂鸦监督通过利用稀疏标注代替体素级标签，已成为降低医疗 3D 分割中标注成本的一种有前景的方法。虽然现有方法报告了强大的性能，但更深入的分析表明，大多数研究局限于心脏领域，主要使用 ACDC 和 MSCMR 数据集。这种过度专门化导致了严重的过拟合、对性能提升的误导性声明，以及在更广泛分割任务上缺乏泛化能力。在这项工作中，我们为实用的涂鸦监督制定了一组关键要求，并引入了 ScribbleBench，这是一个涵盖七个以上不同医疗成像数据集的综合基准，用于系统地评估这些要求的满足情况。因此，我们发现了方法在跨任务泛化方面的普遍失败，并且许多广泛使用的新颖方法在心脏领域之外会降低性能，而更简单且被忽视的方法却实现了卓越的泛化。最后，我们提高人们对一个强大但被忽视的基线的认识，即结合了部分损失的 nnU-Net，它在各种不同的任务上始终优于专门的方法。通过识别现有研究中的基本局限性并建立新的基准驱动评估标准，这项工作旨在引导涂鸦监督向更实用、更稳健且更具泛化能力的医疗图像分割方法发展。
引用
@article{arxiv.2403.12834,
title = {Revisiting 3D Medical Scribble Supervision: Benchmarking Beyond Cardiac Segmentation},
author = {Karol Gotkowski and Klaus H. Maier-Hein and Fabian Isensee},
journal= {arXiv preprint arXiv:2403.12834},
year = {2025}
}
备注
accepted at MICCAI2025