К разработке руководства по метрикам оценки сегментации медицинских изображений

За последнее десятилетие исследования в области искусственного интеллекта, особенно применения моделей глубокого обучения для сегментации медицинских изображений, стремительно развивались. В различных исследованиях продемонстрированы высокие прогностические возможности этих моделей и сопоставимые с врачами результаты. Однако недавние работы показали, что оценка результатов сегментации изображений часто не обеспечивает надёжного определения эффективности моделей и сопровождается статистическими искажениями вследствие некорректной реализации или применения метрик. В настоящей работе представлены обзор и руководство по интерпретации следующих метрик оценки сегментации медицинских изображений при решении задач бинарной и многоклассовой классификации: коэффициент сходства Дайса, индекс Жаккара, чувствительность, специфичность, индекс Рэнда, ROC-кривые, каппа Коэна и расстояние Хаусдорфа. Кроме того, обсуждаются распространённые проблемы, включая дисбаланс классов, а также статистические и интерпретационные искажения при оценке. В качестве обобщения предложено руководство по стандартизированной оценке сегментации медицинских изображений, призванное повысить качество оценки, воспроизводимость и сопоставимость результатов исследований.