Training mit positiven und unannotierten Daten für automatische Voxelklassifikation

Abstract

Das Erstellen einer Trainingsbasis für lernbasierte Methoden zur Gewebecharakterisierung ist häufig fehleranfällig und zeitaufwendig. Sparse and Unambigious (SUR)-Annotationen können hier den Aufwand reduzieren, aber die Annotation mehrerer Gewebeklassen sind dennoch aufwendig. Wir stellen einen Ansatz vor, der das Training ermöglicht, wenn lediglich eine Gewebeklasse annotiert wurde. Diese als positive and unlabeled Learning”(PU-Learning) bezeichnete Methode reduziert den manuellen Annotationsaufwand. In unserer Arbeit zeigen wir zudem, dass die erzielten Segmentierungen sich nicht statistisch signifikante vom Stand der Forschung unterscheiden.