Quadro di valutazione per reti neurali profonde nella segmentazione del linfoma da PET/TC
La segmentazione automatizzata del linfoma da immagini PET/TC presenta lacune critiche, tra cui la mancanza di test fuori distribuzione e un limitato confronto con annotatori esperti. Questo studio propone un quadro di valutazione clinicamente rilevante per reti di segmentazione profonda, enfatizzando misure specifiche per lesione oltre all'accuratezza complessiva. Il quadro tiene conto della variabilità intra- e inter-osservatore per valutare meglio la difficoltà del compito. È stato dimostrato su quattro reti profonde: ResUNet, SegResNet, DynUNet e un quarto modello senza nome. Lo studio sostiene che la precisa rilevazione delle lesioni e la quantificazione della malattia richiedano valutazioni specifiche per misura. L'articolo, disponibile su arXiv con identificativo 2311.09614v5, evidenzia la necessità di modelli robusti e generalizzabili nell'imaging medico.
Fatti principali
- Lo studio affronta le lacune nella segmentazione automatizzata del linfoma da immagini PET/TC.
- I test fuori distribuzione sono raramente incorporati nella letteratura esistente.
- Le prestazioni del modello dovrebbero essere confrontate con annotatori umani esperti.
- La variabilità intra- e inter-osservatore è considerata per comprendere la difficoltà del compito.
- La maggior parte degli approcci trascura le misure specifiche per lesione.
- Viene proposto un quadro di valutazione clinicamente rilevante.
- Vengono valutate quattro reti profonde: ResUNet, SegResNet, DynUNet e una quarta.
- L'articolo è arXiv:2311.09614v5, annunciato come replace-cross.
Entità
—