Generalized Probabilistic U-Net for medical image segementation

要約

参照セグメンテーションの不確実性をより適切に近似できる潜在空間分布として、より一般的な形式のガウス分布を許可することにより、確率U-Netを拡張する一般化確率U-Netを提案します。
LIDC-IDRIデータセットを使用して、潜在空間分布の選択が参照セグメンテーションの不確実性のキャプチャに与える影響を調査します。
分布の選択が、予測のサンプルの多様性と、参照セグメンテーションに関するそれらの重複に影響を与えることを示します。
LIDC-IDRIデータセットの場合、ガウス分布の混合を使用すると、標準の確率的U-Netと比較して一般化エネルギー距離（GED）メトリックが統計的に有意に改善されることを示します。
https://github.com/ishaanb92/GeneralizedProbabilisticUNetで実装を利用できるようにしました

要約(オリジナル)

We propose the Generalized Probabilistic U-Net, which extends the Probabilistic U-Net by allowing more general forms of the Gaussian distribution as the latent space distribution that can better approximate the uncertainty in the reference segmentations. We study the effect the choice of latent space distribution has on capturing the uncertainty in the reference segmentations using the LIDC-IDRI dataset. We show that the choice of distribution affects the sample diversity of the predictions and their overlap with respect to the reference segmentations. For the LIDC-IDRI dataset, we show that using a mixture of Gaussians results in a statistically significant improvement in the generalized energy distance (GED) metric with respect to the standard Probabilistic U-Net. We have made our implementation available at https://github.com/ishaanb92/GeneralizedProbabilisticUNet

arxiv情報

提供元, 利用サービス

arxiv.jp, Google