基于轮廓抽样的心脏彩超临床指标估计不确定性传播
计算机视觉与模式识别
2025-02-19 v1
摘要
心脏彩超在提取重要临床参数（如左心室容积和收缩功能）方面发挥着基本作用，这些参数是确定心血管状况的严重程度所必需的。当部署用于计算这些参数的自动技术时，不确定性估计对于评估其实用性至关重要。由于临床参数通常从分割图中推导出，没有明确的路径将像素级不确定性值转换为下游临床指标计算中的不确定性估计。本文提出了一种基于轮廓化而非分割的方法的新颖不确定性估计方法。该方法显式预测轮廓位置不确定性，从而可以抽取轮廓样本。最后，可使用所抽取的轮廓将不确定性传递到临床指标中。我们提出的方法不仅为轮廓化任务提供了准确的不确定性估计，也为两个心脏超声数据集上的下游临床指标提供了不确定性估计。代码已公开：https://github.com/ThierryJudge/contouring-uncertainty。
引用
@article{arxiv.2502.12713,
title = {Uncertainty Propagation for Echocardiography Clinical Metric Estimation via Contour Sampling},
author = {Thierry Judge and Olivier Bernard and Woo-Jin Cho Kim and Alberto Gomez and Arian Beqiri and Agisilaos Chartsias and Pierre-Marc Jodoin},
journal= {arXiv preprint arXiv:2502.12713},
year = {2025}
}
备注
10 pages, submitted to IEEE TMI