المفاهيم الأساسية
本研究では、分布シフトに対する血管分割手法の性能を評価するための新しいデータセットVessMapを提案する。このデータセットは、典型的な画像と非典型的な画像を均等に含むように設計されており、分割アルゴリズムの一般化性能を評価するのに適している。
الملخص
本研究では、血管分割手法の性能を評価するための新しいデータセットVessMapを提案している。VessMapは、18,279枚の画像から成る大規模なデータセットであり、血管密度、コントラスト、メディアル線の不均一性、ノイズレベルといった特徴量に基づいて選択された100枚の多様な画像で構成されている。
提案手法では、まず元のデータセットから256x256ピクセルの画像パッチを抽出し、4つの特徴量を用いてデータを特徴空間にマッピングする。次に、この特徴空間を離散化し、均一にサンプリングすることで、典型的な画像と非典型的な画像を含む多様なサンプルを選択している。
VessMapデータセットを用いて、血管分割CNNの性能を評価したところ、訓練と検証の特徴量分布が大きく異なる場合、CNNの一般化性能が大きく低下することが示された。このことから、VessMapは分布シフトに対する頑健性を評価するのに適したデータセットであると考えられる。
الإحصائيات
血管密度が低い画像と高い画像の間で、CNNの検証損失と訓練損失の差が大きくなった。
コントラストが低い画像と高い画像の間でも、同様の傾向が見られた。