理解基于距离的分割度量的实现陷阱
计算机视觉与模式识别
2025-08-01 v2
摘要
基于距离的度量，如 Hausdorff 距离 (HD)，广泛用于 (生物)医学影像中验证分割性能。然而，其实现较为复杂，且开源工具之间的关键差异在社区中基本未被认识到。这些差异削弱了基准测试努力，在生物标志物计算中引入偏差，并可能扭曲医疗器械开发和临床采购。本研究通过对 11 个开源工具进行系统性剖析，既进行概念分析其计算步骤，也在代表性二维和三维图像数据集上进行经验分析。令人警惕的是，我们观察到 HD 差异可超过 100 mm，并在不同工具之间识别出多个统计显著差异——这表明仅通过选择特定的实现，就可在同一套分割结果上实现显著的统计改进。这一发现动摇了在未考虑度量实现差异的情况下跨研究结果比较的有效性。为此，我们提供了实用建议以进行工具选择；此外，我们的概念分析有助于指导开源工具的未来演进。
关键词
引用
@article{arxiv.2410.02630,
title = {Understanding implementation pitfalls of distance-based metrics for image segmentation},
author = {Gasper Podobnik and Tomaz Vrtovec},
journal= {arXiv preprint arXiv:2410.02630},
year = {2025}
}