面向人群规模的 DIXON MRI 睾丸体积分割
图像与视频处理
2024-10-31 v1 计算机视觉与模式识别
机器学习
摘要
已知睾丸大小是男性生育能力的主要预测指标之一，通常在临床检查中通过触诊或成像进行评估。尽管具有潜力，但利用成像在人群层面评估睾丸体积的研究仍不充分。先前的研究受限于小型且有偏的数据集，已证明了机器学习用于睾丸体积分割的可行性。本文展示了使用来自 UKBiobank 的磁共振成像数据对睾丸体积分割方法的评估。最佳模型达到了中位 Dice 分数 0.87，相比之下，同一数据集上人类评分者间信度的中位 Dice 分数为 0.83，首次实现了人群规模的大规模标注。我们的总体目标是提供训练好的模型、比较基线方法和标注好的训练数据，以增强睾丸 MRI 分割研究的可及性和可重复性。
引用
@article{arxiv.2410.22866,
title = {Towards Population Scale Testis Volume Segmentation in DIXON MRI},
author = {Jan Ernsting and Phillip Nikolas Beeken and Lynn Ogoniak and Jacqueline Kockwelp and Tim Hahn and Alexander Siegfried Busch and Benjamin Risse},
journal= {arXiv preprint arXiv:2410.22866},
year = {2024}
}