Comparative Benchmarking of Failure Detection Methods in Medical Image Segmentation: Unveiling the Role of Confidence Aggregation

语义分割是医学图像分析研究的重要组成部分，近期的深度学习算法提供了跨多种数据集的开箱即用的适用性。尽管有这些进展，分割失败仍然是现实临床应用的重大问题，需要可靠的检测机制。本文介绍了一个综合基准测试框架，旨在评估医学图像分割中的失败检测方法。通过我们的分析，我们确定了当前失败检测指标的优点和局限性，并提倡风险覆盖分析作为一种全面的评估方法。利用包括五个公共三维医学图像集合的集体数据集，我们评估了各种失败检测策略在现实测试时间分布转移下的有效性。我们的研究结果强调了像素置信度聚合的重要性，并观察到在集合预测之间的成对Dice分数（Roy等人，2019）具有卓越的性能，将其定位为医学图像分割中失败检测的简单而强大的基线。为了促进持续的研究，我们将基准测试框架提供给社区。

本论文旨在解决医学图像分割中的失败检测问题，通过评估失败检测方法的绩效，提出了一个综合性的基准框架。

通过对五个公共三维医学图像集的综合数据集进行分析，发现像素置信度聚合的重要性，提出了一种基于集成预测之间的成对Dice分数的失败检测方法，成为医学图像分割中简单而强大的基准。

本文提供了一个全面的基准框架，用于评估医学图像分割中的失败检测方法，强调了风险覆盖分析作为一种全面的评估方法。实验使用了五个公共三维医学图像集，评估了各种失败检测策略在现实测试分布变化下的有效性。作者将该基准框架提供给社区以促进进一步的研究。

最近的相关研究包括：'A survey on deep learning in medical image analysis'、'Automatic segmentation of medical images using deep learning: A survey'、'A review of deep learning in medical imaging: Techniques, applications and challenges'等。