Heatmap Regression for Lesion Detection Using Pointwise Annotations

Das Kapitel stellt eine Heatmap-Regressionsmethode zum Nachweis von Läsionen in medizinischen Bildern vor, die sich speziell auf Gadolinium-verstärkende Läsionen bei Patienten mit Multipler Sklerose konzentriert. Durch Schulung über sinnvolle Anmerkungen reduziert die Methode die manuelle Anmerkungslast im Vergleich zu herkömmlichen Segmentierungsmodellen erheblich. Der vorgeschlagene Ansatz erzielt nicht nur eine konkurrenzfähige Erkennungsleistung, sondern bietet auch gut kalibrierte Wahrscheinlichkeiten für die Existenz von Läsionen, die die zugrunde liegende Unsicherheit erfassen. Darüber hinaus zeigt die Methode vielversprechende Szenarien für den Transfer von Lernergebnissen, bei denen vortrainierte Erkennungsmodelle auf begrenzte Segmentierungsdatensätze abgestimmt werden können, um vergleichbare Segmentierungsleistungen zu erzielen. Das Kapitel unterstreicht die Bedeutung der Läsionserkennung als entscheidender Schritt im Segmentierungsprozess und betont das Potenzial dieser Methode, die klinischen Arbeitsabläufe zu revolutionieren, indem sie die Belastung der Ärzte verringert.