Amb motiu del tancament d'estiu, la validació de documents es reprendrà a partir del 28 d'agost de 2026. Disculpeu les molèsties.
Con motivo del cierre de verano, la validación de documentos se reanudará a partir del 28 de agosto de 2026. Disculpad las molestias
Due to the summer closure, document validation will resume starting August 28, 2026. We apologize for any inconvenience.

Fitxers

SPIE_1 2024_SPIE_Segmentation_Uncertainty.pdf (1.23 MB)

Tipus de document

Objecte de conferència

Versió

Versió acceptada

Data de publicació

2024

Tots els drets reservats

Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/219964

Leveraging epistemic uncertainty to improve tumour segmentation in breast MRI: an exploratory analysis

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

https://doi.org/10.1117/12.3006783

Resum

Medical image segmentation has improved with deep-learning methods, especially for tumor segmentation. However, variability in tumor shapes, sizes, and enhancement remains a challenge. Breast MRI adds further uncertainty due to anatomical differences. Informing clinicians about result reliability and using model uncertainty to improve predictions are essential. We study Monte-Carlo Dropout for generating multiple predictions and finding consensus segmentation. Our approach reduces false positives using per-pixel uncertainty and improves segmentation metrics. In addition, we study the correlation of model performance to the perceived ease of manual segmentation. Finally, we compare the per-pixel uncertainty with the inter-rater variability as segmented by six different radiologists. Our code is available at https://github.com/smriti-joshi/uncertainty-segmentation-mcdropout.git.

Matèries

Imatges mèdiques, Aprenentatge automàtic, Càncer de mama

Matèries (anglès)

Imaging systems in medicine, Machine learning, Breast cancer

Citació

Col·leccions

Comunicacions a congressos (Matemàtiques i Informàtica)

Citació

JOSHI, Smriti, et al. Leveraging epistemic uncertainty to improve tumour segmentation in breast MRI: an exploratory analysis. Comunicació a: Proc. SPIE 12926. Medical Imaging 2024: Image Processing. Vol.  1292616 (2 April 2024). [consulted: 4 of August of 2026]. Available at: https://hdl.handle.net/2445/219964

Exportar metadades

JSON - METS

Compartir registre