Novel structural-scale uncertainty measures and error retention curves: application to multiple sclerosis

要約

この論文では、磁気共鳴画像法 (MRI) における白質病変 (WML) セグメンテーションの不確実性推定に焦点を当てています。
一方で、ボクセル スケールのセグメンテーション エラーは、病変の誤った描写を引き起こします。
一方、病変スケールの検出エラーは、誤った病変カウントにつながります。
これらの要因は両方とも、多発性硬化症患者の評価に臨床的に関連しています。
この作業は、異なるボクセル スケールと病変スケールの不確実性測定の能力を比較して、それぞれセグメンテーションと病変検出に関連するエラーを捕捉することを目的としています。
私たちの主な貢献は、（i）ボセルスケールの不確実性を利用しない病変スケールの不確実性の新しい尺度を提案することです。
(ii) 病変スケールの不確実性測定の評価のためのエラー保持曲線分析フレームワークを拡張します。
58人の患者の多施設試験セットで得られた結果は、提案された病変スケール測定が分析された測定の中で最高のパフォーマンスを達成することを示しています。
すべてのコード実装は、https://github.com/NataliiaMolch/MS_WML_uncs で提供されています。

要約(オリジナル)

This paper focuses on the uncertainty estimation for white matter lesions (WML) segmentation in magnetic resonance imaging (MRI). On one side, voxel-scale segmentation errors cause the erroneous delineation of the lesions; on the other side, lesion-scale detection errors lead to wrong lesion counts. Both of these factors are clinically relevant for the assessment of multiple sclerosis patients. This work aims to compare the ability of different voxel- and lesion-scale uncertainty measures to capture errors related to segmentation and lesion detection, respectively. Our main contributions are (i) proposing new measures of lesion-scale uncertainty that do not utilise voxel-scale uncertainties; (ii) extending an error retention curves analysis framework for evaluation of lesion-scale uncertainty measures. Our results obtained on the multi-center testing set of 58 patients demonstrate that the proposed lesion-scale measure achieves the best performance among the analysed measures. All code implementations are provided at https://github.com/NataliiaMolch/MS_WML_uncs

arxiv情報

提供元, 利用サービス

arxiv.jp, Google