胎儿超声成像中阴影置信度图的弱监督估计
计算机视觉与模式识别
2019-05-07 v3
摘要
在超声图像中检测声学阴影在许多临床与工程应用中十分重要。声学阴影的实时反馈可引导超声医师获得伪影最少的标准化诊断切面，并为其他自动图像分析算法提供附加信息。然而，使用基于学习的算法自动检测阴影区域具有挑战性，因为声学阴影的逐像素真值标注具有主观性且耗时。本文提出一种用于声学阴影区域自动置信度估计的弱监督方法。我们的方法能够生成密集的阴影聚焦置信度图。方法中构建了 shadow-seg 模块，基于全局图像级标注以及少量粗粒度逐像素阴影标注，学习用于阴影分割的通用阴影特征。引入传递函数将获得的二值阴影分割扩展为参考置信度图。此外，提出一种置信度估计网络以学习输入图像与参考置信度图之间的映射。该网络在推理时可直接从输入图像预测阴影置信度图。我们使用 DICE、组间相关系数等指标验证方法的有效性。我们的方法比人工标注更具一致性，并在阴影分割上定量优于当前最优（SOTA），在阴影区域置信度估计上定性优于当前最优。我们进一步通过将阴影置信度图集成到超声图像分类、多视角图像融合与自动生物测量等任务中，展示了方法的适用性。
引用
@article{arxiv.1811.08164,
title = {Weakly Supervised Estimation of Shadow Confidence Maps in Fetal Ultrasound Imaging},
author = {Qingjie Meng and Matthew Sinclair and Veronika Zimmer and Benjamin Hou and Martin Rajchl and Nicolas Toussaint and Ozan Oktay and Jo Schlemper and Alberto Gomez and James Housden and Jacqueline Matthew and Daniel Rueckert and Julia Schnabel and Bernhard Kainz},
journal= {arXiv preprint arXiv:1811.08164},
year = {2019}
}