Heatmap Regression for Lesion Detection using Pointwise Annotations

要約

多くの臨床現場において，病変をすべて検出することは疾患活動性を評価するために不可欠である．標準的な手法では，セグメンテーションラベルの取得に時間がかかるにもかかわらず，病変の検出はセグメンテーション問題として扱われる．本論文では、点ラベルにのみ依存する病変検出法を提案する。本手法はヒートマップ回帰により学習することで、可変数の病変を確率的に検出することが可能である。実際，我々の提案する後処理法は，病変の存在の不確かさを直接推定する信頼性の高い方法を提供する．また、Gad病変検出の実験では、高価なセグメンテーションラベルを用いた学習と比較して、我々のポイントベースの方法が競争力のある性能を示す。最後に、我々の検出モデルは、セグメンテーションのための適切な事前学習を提供する。また、17個のセグメンテーションサンプルで微調整を行った場合、全データセットで学習した場合と同等の性能を達成することができた。

要約(オリジナル)

In many clinical contexts, detecting all lesions is imperative for evaluating disease activity. Standard approaches pose lesion detection as a segmentation problem despite the time-consuming nature of acquiring segmentation labels. In this paper, we present a lesion detection method which relies only on point labels. Our model, which is trained via heatmap regression, can detect a variable number of lesions in a probabilistic manner. In fact, our proposed post-processing method offers a reliable way of directly estimating the lesion existence uncertainty. Experimental results on Gad lesion detection show our point-based method performs competitively compared to training on expensive segmentation labels. Finally, our detection model provides a suitable pre-training for segmentation. When fine-tuning on only 17 segmentation samples, we achieve comparable performance to training with the full dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL