Noisy Image Segmentation With Soft-Dice

要約

【タイトル】ソフト・ダイスを用いたノイズ画像セグメンテーション

【要約】
– この論文は、医療画像セグメンテーションにおいて最も一般的な損失関数の1つであるソフト・ダイス損失について、ターゲットラベルにノイズが存在する状況に対する研究を示している。
– 特に、最適解の一連のセットが特徴付けられ、これらのソリューションの体積バイアスの鋭い境界が示されている。
– また、しきい値処理を使用してハードセグメンテーションに変換することで、最適なソフト・ダイスに収束するソフトセグメンテーションのシーケンスが最適なダイスにも収束することが示されている。これは、ソフト・ダイスがダイスメトリックを最大化するためのプロキシとしてしばしば使用されるため、重要な結果である。
– 最後に、理論的結果を確認する実験が提供されている。

要約(オリジナル)

This paper presents a study on the soft-Dice loss, one of the most popular loss functions in medical image segmentation, for situations where noise is present in target labels. In particular, the set of optimal solutions are characterized and sharp bounds on the volume bias of these solutions are provided. It is further shown that a sequence of soft segmentations converging to optimal soft-Dice also converges to optimal Dice when converted to hard segmentations using thresholding. This is an important result because soft-Dice is often used as a proxy for maximizing the Dice metric. Finally, experiments confirming the theoretical results are provided.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI