将糖尿病足溃疡的临床勾画转化为机器可解释的分割
图像与视频处理
2022-10-04 v2 计算机视觉与模式识别
摘要
糖尿病足溃疡是一种需要密切监测与管理的严重病症。为训练机器学习方法自动勾画溃疡，临床人员必须提供真值标注。本文提出一个新的糖尿病足溃疡数据集，即 DFUC2022，这是最大的分割数据集，其中溃疡区域由临床医生手动勾画。我们评估了临床勾画是否可被深度学习网络机器解释，还是应使用图像处理细化轮廓。通过使用若干流行深度学习算法提供基准结果，我们对 DFU 伤口勾画的局限性获得新认识并报告相关问题。本文针对 MICCAI 2022 联合举办的 DFUC2022 挑战赛提供了关于基线模型的一些观察。排行榜将按 Dice 分数排名，基于 FCN 的最佳方法为 0.5708，DeepLabv3+ 取得了 0.6277 的最佳分数。本文表明，使用细化轮廓作为真值进行图像处理能与机器预测结果更好吻合。DFUC2022 将于 2022 年 4 月 27 日发布。
引用
@article{arxiv.2204.11618,
title = {Translating Clinical Delineation of Diabetic Foot Ulcers into Machine Interpretable Segmentation},
author = {Connah Kendrick and Bill Cassidy and Joseph M. Pappachan and Claire O'Shea and Cornelious J. Fernandez and Elias Chacko and Koshy Jacob and Neil D. Reeves and Moi Hoon Yap},
journal= {arXiv preprint arXiv:2204.11618},
year = {2022}
}
备注
7 pages, 3 figure and 2 tables