Jul, 2019
多人标注的分割任务中的监督不确定性量化
Supervised Uncertainty Quantification for Segmentation with Multiple Annotations
Shi Hu, Daniel Worrall, Stefan Knegt, Bas Veeling, Henkjan Huisman...
TL;DR本文利用多个标注者的变异性作为 “地面真相” 不确定性的来源,将其与概率 U-Net 相结合,并在 LIDC-IDRI 的肺结节 CT 数据集和 MICCAI2012 前列腺 MRI 数据集上进行测试,发现能够以提高预测不确定性的估计,同时提高样本准确度和样本多样性。在实际应用中,该方法可以告诉医生有关分割结果的置信度。