基于规则的AI生成解剖结构分割异常检测
图像与视频处理
2024-06-21 v1
摘要
医学影像数据集若伴随注释信息，才能执行下游患者分析，但手动生成这些注释因耗时且临床惯例差异大而困难。人工智能已被采纳作为潜在方法来标注大规模数据集，但缺乏专家注释或真实标签会限制其应用。我们最近公开了一个数据集，包含针对来自National Lung Screening Trial的最多104个器器官的注释和提取特征。然而，公开的数据集不包含专家推导的注释，也未评估分割的准确性，限制了其实用性。我们提出开发启发式方法来评估分割质量，提供衡量注释一致性的方法，并与文献中的结果进行比较。我们将代码和相关材料公开于https://github.com/ImagingDataCommons/CloudSegmentatorResults，交互工具则发布于https://huggingface.co/spaces/ImagingDataCommons/CloudSegmentatorResults。
引用
@article{arxiv.2406.14486,
title = {Rule-based outlier detection of AI-generated anatomy segmentations},
author = {Deepa Krishnaswamy and Vamsi Krishna Thiriveedhi and Cosmin Ciausu and David Clunie and Steve Pieper and Ron Kikinis and Andrey Fedorov},
journal= {arXiv preprint arXiv:2406.14486},
year = {2024}
}