On Medical Image Segmentation With Noisy Labels

QC 2023-05-10

Abstract

Det är väl känt att data som används för träning och testning av medicinska bildsegmenteringsmetoder ofta innehåller mycket annoteringsbrus. Sådant brus påverkar prestandan av metoderna och har givit upphov till en stor mängd forskning. Ett sätt att angripa frågan om annoteringsbrus som i stort har förbisetts är att undersöka hur det påverkar vilka segmenteringar som är teoretiskt optimala. Den här avhandlingen består av fyra artiklar relaterade till sådana studier för de två inom fältet mest populära målfunktionerna cross-entropy och soft-Dice, samt den mest populära metriken Dice.

I artikel A studeras målfunktionen cross-entropy och soft-Dice. Det föreslås, inspirerat av arbete inom binärklassifikation, att konvexitet och kalibrering kan användas för att beskriva de experimentella observationerna av bra stabilitet kopplad till cross-entropy och bra prestanda kopplad till soft-Dice. Sedan bevisas det att soft-Dice vare sig är konvex eller kvasi-konvex och så förmodas det att soft-Dice är kalibrerad till Dice. Slutligen introduceras en alternativ kvasi-konvex målfunktion som experimentellt jämförs med soft-Dice på ett njursegmenteringsproblem.

I artikel B karakteriseras de optimala lösningarna till Accuracy och Dice när brus är närvarande. Denna karakteriseringen används sedan för att ge en detaljerad beskrivning av volymbias associerad med metrikerna. Specifikt visas skarpa gränser för volymbias, att Accuracy-optimala segmenteringar alltid har mindre eller lika stor volym som Dice-optimala segmenteringar samt att de optimala lösningarna till metrikerna sammanfaller när optimeringen görs över mängden av segmenteringar utan volymbias. Slutligen presenteras experimentella resultat som bekräftar de teoretiska observationerna på en uppsättning segmenteringsproblem.

I artikel C undersöks effekten brus har på soft-Dice. De optimala lösningarna karakteriseras och skarpa gränser för volymbias presenteras. Vidare bevisas den tidigare förmodan om att soft-Dice är kalibrerad till Dice under ett kompakthetsantagande som alltid håller i praktiken. Slutligen presenteras experimentella resultat som bekräftar de teoretiska observationerna på en uppsättning organsegmenteringsproblem och en uppsättning syntetiska segmenteringsproblem.

I artikel D presenteras en brusmodell baserad på deformationer av Gaussiska fält. Flera teoretiska egenskaper för brusmodellen bevisas, inklusive en sluten form för marginalsannolikheter samt en representation som kan användas för effektiv simulering. Brusmodellen används sedan för att studera 1/2-trösklade optimala lösningar till cross-entropy och soft-Dice, och specifikt, hur dessa divergerar när nivån av brus går upp. Med hjälp av karakteriseringen av de optimala lösningarna till soft-Dice visas det hur optimala lösningar till soft-Dice kan fås med hjälp av cross-entropy och ett annat tröskelvärde som inte är a priori känt men som effektivt kan beräknas. Till sist valideras de teoretiska observationerna på tre organsegmenteringsproblem.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-326552