作为桥梁的边界:朝着异质的部分标记医疗图像细分和地标检测

科学领域:

• 医学成像分析分析 医学成像分析
• 计算机辅助诊断是一种计算机辅助的诊断.
• 机器学习用于医疗保健

背景情况:

• 医学里程碑检测和细分对于计算机辅助诊断和治疗至关重要.
• 部分标记的数据集,只包含地标或细分口罩,在医学图像分析中构成重大挑战.

研究的目的:

• 解决医学成像数据集中的"异质部分标记"问题.
• 开发一种新的损失函数,有效地模拟地标检测和细分任务之间的相互作用.
• 提高部分标记医疗数据集用于计算机辅助诊断的实用性.

主要方法:

• 提出了边界作为桥梁损失 (BaBLoss),以最大限度地提高分割边界距离地图和地标检测热图之间的相关性.
• 引入了一个使用分段任何模型和地标的提示管道,用于生成地标注释数据的伪分段标签.
• 收集并策划了两个新型异质部分标记数据集用于大脑和膝盖成像.

主要成果:

• 通过对新创建的数据集进行广泛的实验,证明了BaBLoss方法的有效性.
• 展示了该方法在各种骨干结构中的性能,表明了强度.
• 验证了该方法利用异质数据的能力,以改善地标检测和细分.

结论:

• 边界作为桥梁损失 (BaBLoss) 为医学成像中的异质部分标记问题提供了有效的解决方案.
• 拟议的方法增强了地标检测和细分的整合,推进了计算机辅助诊断.
• 开发的数据集和方法为未来医学图像分析研究提供了宝贵的资源.