用于从用户交互快速标注的用户引导域适应：以病理肝脏分割为例的研究
计算机视觉与模式识别
2020-09-08 v1 人工智能
机器学习
摘要
基于掩码的医学图像标注，尤其是 3D 数据，是开发可靠机器学习模型的瓶颈。利用极少人工的用户交互（UIs）来引导标注很有前景，但如何最佳地协调掩码预测与 UIs 仍具挑战。为此，我们提出用户引导域适应（UGDA）框架，其使用基于预测的对抗域适应（PADA）来建模 UIs 与掩码预测的组合分布。随后将 UIs 用作锚点以引导并对齐掩码预测。重要的是，UGDA 既能从无标签数据中学习，也能建模不同 UIs 背后的高层语义。我们在一个含 927 项患者研究的临床全面数据集上测试 UGDA 对病理肝脏的标注。仅使用极值点 UIs，我们取得了均值（最差情况）性能 96.1%（94.9%），而深度极值点（DEXTR）为 93.0%（87.0%）。此外，我们还表明即使仅见到可用 UIs 的一小部分，UGDA 也能保持这一 SOTA 性能，展示了以极低人工需求实现稳健可靠的 UI 引导分割的能力。
引用
@article{arxiv.2009.02455,
title = {User-Guided Domain Adaptation for Rapid Annotation from User Interactions: A Study on Pathological Liver Segmentation},
author = {Ashwin Raju and Zhanghexuan Ji and Chi Tung Cheng and Jinzheng Cai and Junzhou Huang and Jing Xiao and Le Lu and ChienHung Liao and Adam P. Harrison},
journal= {arXiv preprint arXiv:2009.02455},
year = {2020}
}