论文标题：Medical Matting: A New Perspective on Medical Segmentation with Uncertainty

论文链接：https://arxiv.org/abs/2106.09887

作者单位：哈尔滨工程大学 & 蒙纳士大学医疗AI组 & Airdoc医疗AI公司

本文提出医学抠图（Medical Matting）新任务，首次将Alpha matte引入到医疗场景中，并标记了两个医学抠图数据集，代码和数据集即将开源！

在医学图像分割中，使用二值掩码很难准确标记模糊区域，尤其是在处理小病灶时。因此，放射科医师在多重注释的情况下使用二元掩码达成共识是一个挑战。然而，这些区域可能包含有利于诊断的解剖结构。引入不确定性来研究这些情况。然而，不确定性通常是通过多次试验的预测之间的差异来衡量的。它不直观，图像中没有确切的对应关系。受图像抠图的启发，我们引入了抠图作为一种软分割方法和一种新的视角来处理不确定区域并将其表示到医学场景中，即medical matting。更具体地说，因为没有可用的医学抠图数据集，我们首先用 alpha matte 标记了两个医学数据集。其次，应用于自然图像的抠图方法不适合医学场景，因此我们提出了一种新的架构来连续生成二进制蒙版和 alpha 蒙版。第三，引入不确定性图以突出二进制结果中的模糊区域并提高抠图性能。在这些数据集上进行评估，所提出的模型在很大程度上优于最先进的抠图算法，并且证明 alpha 抠图是比二值掩码更有效的标记形式。

内容中包含的图片若涉及版权问题，请及时与我们联系删除