医学分割十项全能挑战赛
图像与视频处理
2022-10-12 v1 计算机视觉与模式识别
机器学习
摘要
国际挑战赛已成为针对特定任务比较评估图像分析算法的实际标准。分割迄今为止是研究最广泛的医学图像处理任务，但各类分割挑战赛通常孤立组织，导致算法开发受限于解决单一特定临床问题的需要。我们假设，一个能在多个任务上表现良好的方法将很好地泛化到先前未见的任务，并可能优于定制设计的解决方案。为验证该假设，我们组织了医学分割十项全能挑战赛（MSD）——一个生物医学图像分析挑战赛，其中算法在多种任务和多种模态下竞争。底层数据集旨在探索处理医学图像时通常遇到的困难维度，如小数据集、不平衡标签、多站点数据和小物体。MSD 挑战赛证实，在一组任务上持续表现良好的算法在另一组先前未见的任务上保持了其良好的平均表现。此外，通过为期两年对 MSD 获胜者的监测，我们发现该算法持续很好地泛化到广泛的其它临床问题，进一步证实了我们的假设。本研究可得出三个主要结论：（1）最先进的图像分割算法已成熟、准确，并在对未见任务重新训练时泛化良好；（2）跨多个任务的一致算法性能是算法泛化能力的强代理指标；（3）准确 AI 分割模型的训练现已商品化至非 AI 专家。
引用
@article{arxiv.2106.05735,
title = {The Medical Segmentation Decathlon},
author = {Michela Antonelli and Annika Reinke and Spyridon Bakas and Keyvan Farahani and AnnetteKopp-Schneider and Bennett A. Landman and Geert Litjens and Bjoern Menze and Olaf Ronneberger and Ronald M. Summers and Bram van Ginneken and Michel Bilello and Patrick Bilic and Patrick F. Christ and Richard K. G. Do and Marc J. Gollub and Stephan H. Heckers and Henkjan Huisman and William R. Jarnagin and Maureen K. McHugo and Sandy Napel and Jennifer S. Goli Pernicka and Kawal Rhode and Catalina Tobon-Gomez and Eugene Vorontsov and Henkjan Huisman and James A. Meakin and Sebastien Ourselin and Manuel Wiesenfarth and Pablo Arbelaez and Byeonguk Bae and Sihong Chen and Laura Daza and Jianjiang Feng and Baochun He and Fabian Isensee and Yuanfeng Ji and Fucang Jia and Namkug Kim and Ildoo Kim and Dorit Merhof and Akshay Pai and Beomhee Park and Mathias Perslev and Ramin Rezaiifar and Oliver Rippel and Ignacio Sarasua and Wei Shen and Jaemin Son and Christian Wachinger and Liansheng Wang and Yan Wang and Yingda Xia and Daguang Xu and Zhanwei Xu and Yefeng Zheng and Amber L. Simpson and Lena Maier-Hein and M. Jorge Cardoso},
journal= {arXiv preprint arXiv:2106.05735},
year = {2022}
}