Confidence-Based Annotation Of Brain Tumours In Ultrasound

要約

目的：特にびまん性腫瘍の場合、腫瘍縁に沿ったアレアティックの不確実性の問題に焦点を当てた、超音波における脳腫瘍の離散セグメンテーションに注釈を付けるという課題の調査。
このマージン関連の不確実性を組み込んでいながら、主観性の低下を介して観察者間の分散を最小限に抑え、それによって発注文の認識論的不確実性を低下させるセグメンテーションプロトコルと方法が提案されています。
アプローチ：コンピュータービジョンと放射線理論を使用して設計されたプロトコルに基づいて、注釈のためのまばらな信頼方法が提案されています。
結果：提案された方法を使用した出力アノテーションは、オブザーバー間の対応する専門的な離散注釈の差異と比較されます。
腫瘍縁領域内で線形関係が測定され、ピアソン相関は0.8でした。
ダウンストリームアプリケーションが検討され、信頼注釈を使用したトレーニングをソフトラベルとして使用して、ハードラベルとして最高の個別の注釈を使用して比較しました。
すべての評価の折り目で、Brierスコアはソフトラベル訓練ネットワークで優れていました。
結論：Bモード超音波における脳腫瘍の個別の注釈の無効性を実証するための正式なフレームワークが構築されました。
その後、まばらな信頼ベースの注釈の方法が提案され、評価されます。
キーワード：脳腫瘍、超音波、自信、注釈。

要約(オリジナル)

Purpose: An investigation of the challenge of annotating discrete segmentations of brain tumours in ultrasound, with a focus on the issue of aleatoric uncertainty along the tumour margin, particularly for diffuse tumours. A segmentation protocol and method is proposed that incorporates this margin-related uncertainty while minimising the interobserver variance through reduced subjectivity, thereby diminishing annotator epistemic uncertainty. Approach: A sparse confidence method for annotation is proposed, based on a protocol designed using computer vision and radiology theory. Results: Output annotations using the proposed method are compared with the corresponding professional discrete annotation variance between the observers. A linear relationship was measured within the tumour margin region, with a Pearson correlation of 0.8. The downstream application was explored, comparing training using confidence annotations as soft labels with using the best discrete annotations as hard labels. In all evaluation folds, the Brier score was superior for the soft-label trained network. Conclusion: A formal framework was constructed to demonstrate the infeasibility of discrete annotation of brain tumours in B-mode ultrasound. Subsequently, a method for sparse confidence-based annotation is proposed and evaluated. Keywords: Brain tumours, ultrasound, confidence, annotation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google