摘要
血管计算机断层扫描数据集通常每次扫描仅进行一次注释，这导致了单掩膜注释噪声这一普遍但未得到充分解决的问题。现有解决方案要么需要昂贵的多评审者融合，要么与网络训练耦合，从而无法明确审计标签失效的原因。
我们提出了一种解耦框架，用于单掩膜注释噪声检测，该框架利用横截面补丁自一致性生成可解释和可审计的噪声证据。管状解剖结构表现出强烈的横截面重复性：沿着血管中心线正交提取的补丁在不同位置和对象中外观相似。因此，解剖上相似的补丁应具有一致的掩膜，而不一致则表明注释不可靠。
我们的方法对横截面补丁进行采样，通过可扩展向量搜索检索强度等效邻居，并根据统计掩膜不一致计算补丁级噪声分数，从而为每个标记区域生成明确的图像-掩膜证据。汇总分数生成扫描级质量图，用于数据集质量评估或质量加权训练。
在冠状动脉CT数据集上的实验验证了检测到的噪声可以提高训练的鲁棒性，并揭示了系统性注释偏差。具体而言，横向和斜向血管的错误率比轴对齐结构高出5.1倍，并与横截面积和强度存在额外相关性。代码可在此处获取。
博主点评： 该研究通过引入解耦框架，为单掩膜注释噪声检测提供了新的思路。利用横截面补丁的自一致性，有效地提高了注释质量的审计能力，展示了良好的应用前景，尤其在医学影像处理领域将极大增强训练模型的可靠性。