基于证据不确定性的可信多期相肝脏肿瘤分割
图像与视频处理
2023-06-21 v2 计算机视觉与模式识别
摘要
多期相肝脏对比增强计算机断层扫描(CECT)图像传达了用于肝脏肿瘤分割(LiTS)的互补多期相信息，对临床辅助肝癌诊断至关重要。然而，现有基于多期相肝脏肿瘤分割(MPLiTS)的方法性能受限于冗余性与弱可解释性，导致临床应用的隐式不可靠性。本文提出一种新颖的可信多期相肝脏肿瘤分割(TMPLiTS)，这是一个联合执行分割与不确定性估计的统一框架。可信结果可辅助临床医生做出可靠诊断。具体而言，引入Dempster-Shafer证据理论(DST)将分割与不确定性参数化为服从Dirichlet分布的证据。多期相CECT图像间分割结果的可靠性被显式量化。同时，提出多专家混合方案(MEMS)融合多期相证据，可基于理论分析保证融合过程的效果。实验结果表明TMPLiTS相较最先进方法具有优越性。同时，TMPLiTS的鲁棒性得到验证，在扰动下可保证可靠性能。
引用
@article{arxiv.2305.05344,
title = {Trustworthy Multi-phase Liver Tumor Segmentation via Evidence-based Uncertainty},
author = {Chuanfei Hu and Tianyi Xia and Ying Cui and Quchen Zou and Yuancheng Wang and Wenbo Xiao and Shenghong Ju and Xinde Li},
journal= {arXiv preprint arXiv:2305.05344},
year = {2023}
}