रेटर्स पूर्वाग्रह और विविधता का अनुमान लगाकर चित्र विभाजन का सत्यापन

चिकित्सा छवियों के विभाजनों की सटीकता औरPrecision को ‘ग्राउंड ट्रुथ’ या क्लिनिकल डेटा के लिए संदर्भ मानक विभाजन की अनुपस्थिति में मापना कठिन रहा है। हालांकि भौतिक या डिजिटल फैंटम संदर्भ मानक प्रदान करने में सहायता कर सकते हैं, वे क्लिनिकल डेटा में देखे जाने वाले इमेजिंग और एनाटॉमिक विशेषताओं की पूरी श्रृंखला की पुनरुत्पत्ति की अनुमति नहीं देते हैं। एक वैकल्पिक आकलन दृष्टिकोण यह है कि डोमेन विशेषज्ञों द्वारा उत्पन्न विभाजनों की तुलना की जाए। विभाजन उन रेटर्स द्वारा उत्पन्न किए जा सकते हैं जो प्रशिक्षित विशेषज्ञ होते हैं या स्वचालित इमेज विश्लेषण एल्गोरिदम द्वारा। आमतौर पर, ये विभाजन इंट्रा-रेटर और इंटर-रेटर परिवर्तनशीलता के कारण भिन्न होते हैं। ऐसे विभाजनों की तुलना करने का सबसे उपयुक्त तरीका स्पष्ट नहीं रहा है। हम यहां एक नया एल्गोरिदम प्रस्तुत करते हैं जो प्रदर्शन विशेषताओं और सत्य लेबलिंग का अनुमान लगाने की अनुमति देता है, इमेजिंग डेटा के विभाजनों के अवलोकनों से जहां विभाजन लेबल क्रमबद्ध या निरंतर माप हो सकते हैं। यह दृष्टिकोण, सतह, दूरी परिवर्तन या स्तर-सेट प्रतिनिधित्व जैसे विभाजनों के साथ उपयोग किया जा सकता है, और यह मूल्यांकन करने के लिए उपयोग किया जा सकता है कि क्या एक रेटर लगातार सीमा की स्थिति को अधिक या कम आंकता है।