医学图像定位中的不确定性估计：迈向深度脑刺激的前丘脑稳健靶向
图像与视频处理
2020-11-05 v1 计算机视觉与模式识别
摘要
基于图谱的方法是深度脑刺激（DBS）中前丘脑核（ANT）自动靶向的标准方法，但当图谱与受试者之间解剖差异较大时，这些方法缺乏鲁棒性。为提升定位鲁棒性，我们提出了一种新颖的两阶段深度学习（DL）框架：第一阶段从全脑MRI中识别并裁剪丘脑区域，第二阶段在裁剪后的体数据上执行逐体素回归，以最精细分辨率尺度定位目标。为解决数据稀缺问题，我们使用基于现有标注数据通过多图谱配准生成的伪标签训练模型。为评估所提框架性能，我们在第二阶段定位网络上验证了两种基于采样的不确定性估计技术，即蒙特卡洛丢弃（MCDO）和测试时增强（TTA）。此外，我们提出了一种称为最大激活离散度（MAD）的新型不确定性估计度量，用于估计定位任务中图像级不确定性。我们的结果表明，所提方法比传统多图谱方法实现了更鲁棒的定位性能，且TTA可进一步提升鲁棒性。此外，MAD估计的认知不确定性和混合不确定性可用于检测不可靠定位，且MAD估计的不确定性大小可反映被拒绝预测的不靠谱程度。
引用
@article{arxiv.2011.02067,
title = {Uncertainty Estimation in Medical Image Localization: Towards Robust Anterior Thalamus Targeting for Deep Brain Stimulation},
author = {Han Liu and Can Cui and Dario J. Englot and Benoit M. Dawant},
journal= {arXiv preprint arXiv:2011.02067},
year = {2020}
}
备注
8 pages, 3 figures