Голосование большинством оказалось надежнее сложных методов сегментации снимков
Новое исследование, опубликованное на arXiv, ставит под сомнение эффективность популярного метода STAPLE при сегментации медицинских изображений. Авторы провели математический анализ и эксперименты, сравнив STAPLE с простым голосованием большинством.
Оказалось, что в типичных условиях STAPLE сводится к пороговому голосованию и демонстрирует 95-процентную субоптимальность при использовании EM (expectation-maximization). Кроме того, метод коллапсирует при дисбалансе классов — проблеме, характерной для многих медицинских задач.
В противовес этому простое голосование большинством, по мнению авторов, является удивительно сильным базовым методом, который исследователи слишком поспешно отвергли в пользу более сложных алгоритмов. Оно непараметрично, устойчиво и не требует настройки.
Авторы также проанализировали глубокие консенсусные модели и показали, что задача согласования становится разрешимой, если использовать само изображение вместе с метками. Это открывает путь к более практичным подходам.
Кроме того, работа демонстрирует, что конформное прогнозирование может дать формальные гарантии неопределенности при сегментации. Это важно для клинического применения, где надежность выводов критична.
Исследователи надеются, что их работа побудит практиков критически оценивать методы согласования, а не применять STAPLE по умолчанию. Они предоставили математическое и эмпирическое обоснование для более принципиальных подходов.
