Framing image registration as a landmark detection problem for label-noise-aware task representation (HitR)

要約

正確な画像位置合わせは生物医学画像解析において極めて重要であり、適切な位置合わせアルゴリズムの選択には慎重な検討が必要です。
多数のアルゴリズムが利用可能ですが、そのパフォーマンスを評価するための評価指標は比較的静的なままです。
この研究では、画像レジストレーション精度の臨床的関連性に焦点を当てた、ランドマーク ヒット レート (HitR) と呼ばれる新しい評価指標を導入することで、この課題に取り組んでいます。
サブ解像度の差を強調するターゲット登録エラーなどの従来のメトリクスとは異なり、HitR では、登録アルゴリズムが定義された信頼ゾーン内にランドマークを正常に配置できるかどうかを考慮します。
このパラダイム シフトにより、医療画像に固有のアノテーション ノイズが認識され、より有意義な評価が可能になります。
HitR にラベル ノイズ認識機能を装備するために、評価者間分散分析に基づいてこれらの信頼ゾーンを定義することを提案します。
その結果、さまざまなランドマーク ゾーン サイズに対してヒット率曲線が計算され、タスク固有の精度レベルのパフォーマンス測定が可能になります。
私たちのアプローチは、臨床および生物医学用途への適合性を反映した、画像登録アルゴリズムのより現実的で意味のある評価を提供します。

要約(オリジナル)

Accurate image registration is pivotal in biomedical image analysis, where selecting suitable registration algorithms demands careful consideration. While numerous algorithms are available, the evaluation metrics to assess their performance have remained relatively static. This study addresses this challenge by introducing a novel evaluation metric termed Landmark Hit Rate (HitR), which focuses on the clinical relevance of image registration accuracy. Unlike traditional metrics such as Target Registration Error, which emphasize subresolution differences, HitR considers whether registration algorithms successfully position landmarks within defined confidence zones. This paradigm shift acknowledges the inherent annotation noise in medical images, allowing for more meaningful assessments. To equip HitR with label-noise-awareness, we propose defining these confidence zones based on an Inter-rater Variance analysis. Consequently, hit rate curves are computed for varying landmark zone sizes, enabling performance measurement for a task-specific level of accuracy. Our approach offers a more realistic and meaningful assessment of image registration algorithms, reflecting their suitability for clinical and biomedical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google