Deep Interactive Segmentation of Medical Images: A Systematic Review and Taxonomy

要約

インタラクティブなセグメンテーションは、人間のフィードバックを組み込むことでコストのかかるアノテーションの効率を高めることを目的とした、医用画像分析における重要な研究分野です。
このフィードバックはクリック、落書き、またはマスクの形式をとり、システムを目的の動作に向けて効率的に導くためにモデル出力を反復的に改良することができます。
近年、深層学習ベースのアプローチにより結果が新たなレベルに引き上げられ、医療画像分野だけでも 121 の手法が提案されており、この分野で急速な成長をもたらしています。
このレビューでは、包括的な分類法、既存の手法の体系的なレビュー、および現在の実践の詳細な分析を特徴とする、この新興分野の構造化された概要を提供します。
これらの貢献に基づいて、この分野の課題と機会について議論します。
たとえば、標準化されたベースラインとベンチマークによって取り組む必要がある手法間の比較が大幅に欠如していることがわかりました。

要約(オリジナル)

Interactive segmentation is a crucial research area in medical image analysis aiming to boost the efficiency of costly annotations by incorporating human feedback. This feedback takes the form of clicks, scribbles, or masks and allows for iterative refinement of the model output so as to efficiently guide the system towards the desired behavior. In recent years, deep learning-based approaches have propelled results to a new level causing a rapid growth in the field with 121 methods proposed in the medical imaging domain alone. In this review, we provide a structured overview of this emerging field featuring a comprehensive taxonomy, a systematic review of existing methods, and an in-depth analysis of current practices. Based on these contributions, we discuss the challenges and opportunities in the field. For instance, we find that there is a severe lack of comparison across methods which needs to be tackled by standardized baselines and benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google