Trustworthy Multi-phase Liver Tumor Segmentation via Evidence-based Uncertainty

要約

多相肝造影コンピュータ断層撮影 (CECT) 画像は、肝腫瘍セグメンテーション (LiTS) のための相補的な多相情報を伝えます。これは臨床的に肝がんの診断を支援するために重要です。
ただし、既存の多相肝腫瘍セグメンテーション (MPLiTS) ベースの手法のパフォーマンスには、融合結果の冗長性と弱い解釈性があり、臨床応用の信頼性が暗黙的に低くなります。
本稿では、セグメンテーションと不確実性推定を共同で行う統合フレームワークである、新しい信頼できる多相肝腫瘍セグメンテーション（TMPLiTS）を提案します。
信頼できる結果は、臨床医が信頼できる診断を下すのに役立ちます。
具体的には、Dempster-Shafer Evidence Theory (DST) を導入して、ディリクレ分布に続く証拠としてセグメンテーションと不確実性をパラメータ化します。
多相 CECT 画像間のセグメンテーション結果の信頼性は明示的に定量化されます。
一方、多段階の証拠を融合するためのマルチエキスパート混合スキーム(MEMS)が提案されており、理論的分析に基づいて融合手順の効果を保証できます。
実験結果は、最先端の方法と比較して TMPLiTS の優位性を示しています。
一方、TMPLiTS の堅牢性が検証され、摂動に対して信頼できるパフォーマンスが保証されます。

要約(オリジナル)

Multi-phase liver contrast-enhanced computed tomography (CECT) images convey the complementary multi-phase information for liver tumor segmentation (LiTS), which are crucial to assist the diagnosis of liver cancer clinically. However, the performances of existing multi-phase liver tumor segmentation (MPLiTS)-based methods suffer from redundancy and weak interpretability, % of the fused result, resulting in the implicit unreliability of clinical applications. In this paper, we propose a novel trustworthy multi-phase liver tumor segmentation (TMPLiTS), which is a unified framework jointly conducting segmentation and uncertainty estimation. The trustworthy results could assist the clinicians to make a reliable diagnosis. Specifically, Dempster-Shafer Evidence Theory (DST) is introduced to parameterize the segmentation and uncertainty as evidence following Dirichlet distribution. The reliability of segmentation results among multi-phase CECT images is quantified explicitly. Meanwhile, a multi-expert mixture scheme (MEMS) is proposed to fuse the multi-phase evidences, which can guarantee the effect of fusion procedure based on theoretical analysis. Experimental results demonstrate the superiority of TMPLiTS compared with the state-of-the-art methods. Meanwhile, the robustness of TMPLiTS is verified, where the reliable performance can be guaranteed against the perturbations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google