基于变分网络的声速重建不确定性估计与信任归因
计算机视觉与模式识别
2025-04-16 v1
摘要
声速（SoS）是组织的生物力学特征，其成像可提供诊断的有前景的生物标志物。将SoS图像从超声采集重建可视为受限角度CT问题，变分网络是一种有前景的基于模型的深度学习解决方案。然而，一些采集的数据帧可能因噪声（例如运动、接触不良、声学阴影）而损坏，这反过来会严重影响最终的SoS重建。我们提出使用SoS重建的不确定性来为每个单独采集帧分配信任度。给定多个采集后，我们使用基于不确定性的自动选择方法在这些事后进行选择，以改进诊断决策。我们研究基于蒙特卡罗 dropout和贝叶斯变分推断的不确定性估计。我们评估了用于乳腿癌良性纤维瘤与恶性癌症的差异诊断的自动帧选择方法。我们评估了21个被分类为BI-RADS~4的病灶，这代表了可能恶性病变的可疑案例。每个病灶的四个采集帧中，最可信的帧是通过基于不确定性的标准确定的。基于不确定性的帧选择方法，分别对于蒙特卡罗 dropout和贝叶斯变分推断，分别实现了76%和80%的ROC曲线下面积，优于任何基于不确定性的基线方法，其中最佳者实现了64%。提出了一种新的不确定性估计用途，用于从多个数据采集中选择一个用于后续处理和决策的帧。
引用
@article{arxiv.2504.11307,
title = {Uncertainty Estimation for Trust Attribution to Speed-of-Sound Reconstruction with Variational Networks},
author = {Sonia Laguna and Lin Zhang and Can Deniz Bezek and Monika Farkas and Dieter Schweizer and Rahel A. Kubik-Huch and Orcun Goksel},
journal= {arXiv preprint arXiv:2504.11307},
year = {2025}
}
备注
Published at the International Journal of Computer Assisted Radiology and Surgery. Presented at the 16th International Conference on Information Processing in Computer-Assisted Interventions 2025