在神经外科规划中指出类型错误的无参考贝叶斯模型
John S H Baxter1, Stéphane Croci2, Antoine Delmas2
1Laboratoire Traitement du Signal et de l'Image (LTSI - INSERM UMR 1099), Université de Rennes 1, Rennes, France. jbaxter@univ-rennes1.fr.
概括
这项研究引入了一种新的贝叶斯模型来量化神经外科图像分析中的注释者分歧. 无引用方法准确地测量错误,有助于在根本真相未知的情况下进行研究.
科学领域:
- 神经外科成像分析分析神经外科成像分析
- 医疗图像细分 医疗图像细分
- 计算解剖学的计算解剖学
背景情况:
- 在体积神经外科图像中识别关键点是具有挑战性的,因为注释器之间的变化.
- 推断的点,不是直接可见的,导致专家之间存在重大分歧,使研究复杂化.
- 类型错误,即专家选择根本不同点的错误,是一个关键的挑战.
研究的目的:
- 开发一个规范化的贝叶斯模型来测量基于图像的指点任务中的"类型错误".
- 创建一个不需要基准真相数据的无参考模型.
- 评估注释者共识,以提高神经外科规划的可靠性.
主要方法:
- 开发了一个规范化的贝叶斯框架来量化指出任务中的分歧.
- 该模型在没有先前了解地面真相点的情况下运行.
- 它利用多个注释者之间的共识水平来估计准确性.
主要成果:
- 该模型估计,选择正确点的概率在82.6%至88.6%之间.
- 这些估计的不确定性在2.8%至4.0%之间,提供了数据集强度的见解.
- 结果与已知基本事实的文献价值保持一致.
结论:
- 无引用贝叶斯模型有效量化了指向任务中的"类型错误".
- 使临床研究能够使用更少的注释者和未知的基本真相.
- 有助于更好地理解神经外科规划中的人为错误.
