医学图像分段度量:用于评估弱标签数据的医学图像分段度量
Dennis Hartmann1, Verena Schmid1,2, Philip Meyer2
1IT-Infrastructure for Translational Medical Research, University of Augsburg, 86159 Augsburg, Germany.
Diagnostics (Basel, Switzerland)
|August 26, 2023
概括
一种新的医疗图像细分度量,MISm (医疗图像细分度量),有效地解决了当前措施的局限性,特别是在边缘情况下,如小或缺席的感兴趣区域,确保更广泛的适用性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 算法评估的算法评价
背景情况:
- 医疗图像细分算法的当前性能测量有局限性.
- 当评估具有非常小或缺少感兴趣区域的图像时,这些限制是显而易见的.
研究的目的:
- 引入和评估一种新的医疗图像细分指标,MISm.
- 解决现有指标在处理边缘事件中的缺陷.
主要方法:
- 建议将MISm作为一个复合度量,将Dice相似系数和加权特异性结合起来.
- 该指标被分析为定义差距,得分梯度和最佳权重系数.
- 评估涉及将MISm与使用模拟MRI数据在各种场景中的流行指标进行比较.
主要成果:
- MISm证明了一般的适用性,并有效地处理其他指标所不涵盖的边缘情况.
- 拟议的指标在具有挑战性的细分场景中提供了合理的评估.
结论:
- MISm提供了对医疗图像细分算法的更强大和更全面的评估.
- 将MISm纳入MISeval框架促进了其在社区的采用,并确保了结果的可重复性.
