ShapePU: A New PU Learning Framework Regularized by Global Consistency for Scribble Supervised Cardiac Segmentation

要約

心臓のセグメンテーションは、心血管疾患の診断に不可欠なステップです。
ただし、ピクセル単位の高密度ラベリングは、コストと時間がかかります。
スパースアノテーションの形式としてのScribbleは、フルアノテーションよりもアクセスしやすくなっています。
ただし、落書きからの監視が弱いセグメンテーションネットワークをトレーニングすることは特に困難です。
この問題に取り組むために、我々は、Positive-Unlabeled（PU）学習フレームワークとグローバル整合性正則化に基づいて、ShapePUと呼ばれる心臓セグメンテーションのための新しい落書き誘導法を提案します。
PU学習を介してラベルなしピクセルを活用するために、最初に期待値最大化（EM）アルゴリズムを提示して、ラベルなしピクセル内の各クラスの比率を推定します。
次に、推定された比率を前提として、周辺確率の最大化を導入して、ラベルのないピクセルのクラスを識別します。
形状の知識を活用するために、トレーニング画像にカットアウト操作を適用し、一貫性のないセグメンテーション結果にペナルティを課します。
2つのオープンデータセット、つまりACDCとMSCMRsegで評価したところ、筆記体で監視されたShapePUは、完全に監視されたアプローチを平均でそれぞれ1.4％と9.8％超えており、最新の弱く監視されたPU学習方法を上回っています。
大きなマージン。
私たちのコードはhttps://github.com/BWGZK/ShapePUで入手できます。

要約(オリジナル)

Cardiac segmentation is an essential step for the diagnosis of cardiovascular diseases. However, pixel-wise dense labeling is both costly and time-consuming. Scribble, as a form of sparse annotation, is more accessible than full annotations. However, it’s particularly challenging to train a segmentation network with weak supervision from scribbles. To tackle this problem, we propose a new scribble-guided method for cardiac segmentation, based on the Positive-Unlabeled (PU) learning framework and global consistency regularization, and termed as ShapePU. To leverage unlabeled pixels via PU learning, we first present an Expectation-Maximization (EM) algorithm to estimate the proportion of each class in the unlabeled pixels. Given the estimated ratios, we then introduce the marginal probability maximization to identify the classes of unlabeled pixels. To exploit shape knowledge, we apply cutout operations to training images, and penalize the inconsistent segmentation results. Evaluated on two open datasets, i.e, ACDC and MSCMRseg, our scribble-supervised ShapePU surpassed the fully supervised approach respectively by 1.4% and 9.8% in average Dice, and outperformed the state-of-the-art weakly supervised and PU learning methods by large margins. Our code is available at https://github.com/BWGZK/ShapePU.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google