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
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。