基于变分推断的生物医学图像分割不确定性量化
图像与视频处理
2024-08-19 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
由卷积神经网络驱动的深度学习在一系列医学影像问题（如图像分类、图像分割、图像合成等）中取得了极高成功率。然而，为验证和可解释性，我们不仅需要模型做出的预测，还需要其在做出这些预测时的置信度。这在安全关键应用中对于人们的接受至关重要。本工作中，我们使用基于变分推断技术的编码器-解码器架构来分割脑肿瘤图像。我们在公开可用的 BRATS 数据集上以 Dice 相似系数（DSC）和交并比（IOU）作为评估指标评估我们的工作。我们的模型能够以原则性的贝叶斯方式在分割脑肿瘤的同时考虑偶然不确定性和认知不确定性。
引用
@article{arxiv.2008.07588,
title = {Uncertainty Quantification using Variational Inference for Biomedical Image Segmentation},
author = {Abhinav Sagar},
journal= {arXiv preprint arXiv:2008.07588},
year = {2024}
}