分割一致的概率性病灶计数

病灶计数是疾病严重程度、患者预后和治疗效果的重要指标，然而在医学影像中，计数作为任务常让位于分割而被忽视。本工作引入一种新颖的连续可微函数，以一致的方式将病灶分割预测映射为病灶计数概率分布。所提出的端到端方法——由体素聚类、病灶级体素概率聚合和泊松-二项分布计数组成——是非参数的，因而提供了一种鲁棒且一致的方式来增强病灶分割模型的后验计数能力。在钆增强病灶计数上的实验表明，我们的方法输出准确且校准良好的计数分布，能够捕捉有意义的不确定性信息。实验还揭示，我们的模型适用于病灶分割的多任务学习，在低数据情形下高效，且对对抗攻击具有鲁棒性。