【技术实现步骤摘要】
用于量化由机器学习模型产生的分割掩模的不确定性的系统和方法
[0001]本文公开的主题的实施方案涉及医学成像，并且更具体地涉及确定从医学图像产生的分割掩模的不确定性。
技术介绍
[0002]机器学习模型通常用于医学图像处理和医学图像分析领域。在一个示例中，通过预测/推断感兴趣区域的一个或多个分割掩模，可以使用机器学习模型来将医学图像分割成不同的解剖区域或其他感兴趣区域，其中分割掩模识别属于特定感兴趣区域的输入图像的像素/体素。经由机器学习模型产生的分割掩模的一个公认的局限性是无法区分置信度较高和较低的分割掩模，或分割掩模内置信度较高和较低的区域。在传统方法中，机器学习模型的预测的不确定性在训练阶段被量化(例如，准确度、精确度、召回率、交叉熵等)，因此相同的不确定性可能与由特定机器学习模型产生的分割掩模相关联，而不管输入图像的质量或身份如何。因此，在传统方法中，用户可能难以确定由分割掩模呈现的信息或从分割掩模导出的信息是应被接受还是拒绝。具体地，在解剖测量工作流程中，或在可以基于来自机器学习模型的输出(例如，分割掩模)自动确定...
【技术保护点】
【技术特征摘要】
1.一种方法，所述方法包括：接收包括感兴趣区域的图像；使用经训练的机器学习模型来确定所述感兴趣区域的分割掩模；基于所述分割掩模将测径器放置在所述图像内的位置处；基于所述分割掩模的不确定性确定所述测径器的所述位置的不确定性；以及通过以下方式来对所述测径器的所述位置的所述不确定性大于预定阈值做出响应：经由显示设备显示所述测径器的所述位置的视觉指示；并且提示用户确认或编辑所述测径器的所述位置。2.根据权利要求1所述的方法，其中由以下方式确定所述分割掩模的所述不确定性：对所述图像应用多个增强以产生多个增强图像；将所述多个增强图像中的每个增强图像馈送到所述经训练的机器学习模型以产生所述感兴趣区域的多个分割掩模；基于所述多个分割掩模之间的变化来确定所述分割掩模的不确定性。3.根据权利要求2所述的方法，其中基于所述多个分割掩模之间的变化来确定所述分割掩模的所述不确定性包括：确定所述多个分割掩模中的每个分割掩模之间的逐像素变化；并且生成示出所述感兴趣区域的所述逐像素变化的不确定性映射图。4.根据权利要求3所述的方法，其中确定所述多个分割掩模中的每个分割掩模之间的所述逐像素变化包括：对所述多个分割掩模中的每个分割掩模应用反向增强以产生多个未增强分割掩模，其中应用于特定分割掩模的所述反向增强反转了应用于产生所述增强图像的空间失真，所述特定分割掩模是从所述增强图像产生的；并且确定跨越所述多个未增强分割掩模的每个对应像素的分割标签变化，其中所述不确定性映射图示出所述图像的每个像素的所述分割标签变化。5.根据权利要求3所述的方法，其中所述变化包括应用于所述图像的每个像素的分割标签的标准偏差、范围和方差中的一者或多者。6.根据权利要求2所述的方法，其中所述分割掩模是通过对所述多个分割掩模进行平均而产生的均值分割掩模。7.根据权利要求1所述的方法，其中所述图像是医学图像，并且其中所述感兴趣区域是由所述医学图像捕获的感兴趣的解剖区域。8.根据权利要求2所述的方法，其中将所述多个增强应用于所述图像以产生所述多个增强图像，所述多个增强图像包括将平移、旋转、缩放调整或对比度调整中的一者或多者应用于所述图像，并且其中所述多个增强图像中没有两个增强图像是相同的。9.根据权利要求2所述的方法，其中所述多个增强图像的数量介于4个至50个图像之间。10.一种方法，所述方法包括：接收包括感兴趣的解剖区域的医学图像；对所述医学图像应用多个增强以产生多个增强图像；将所述多个增强图像中的每个增强图像馈送到经训练的机器学习模型以产生所述感
兴趣的解剖区域的多个分割掩模；从所述多个分割掩模中确定所述感兴趣的解剖区域的均值分割掩模；确定跨越所述多个分割掩模的分割标签的逐像素变化以产生所述感兴趣区域的不确定性映射图；基于所述均值分割掩模将测径器放置在所述医学图像内的位置处；以及基于所述不确定性映射图确定所述测径器的所述位置的不确定性。11.根据权利要求10所述的方法，所述方法还包括：通过以下方式来对所述测径器的所述位置的所述不确定性超过预定不确定性阈值做出响应：自动显示覆盖在所述医学图像上的所述测径器的所述位置；并且提示用户确认或调整所述测径...
【专利技术属性】
技术研发人员：哈里哈兰，
申请(专利权)人：通用电气精准医疗有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。