Safety-Net: Automatic identification of segmentation errors for Multiple Sclerosis lesions
Safety-Net : Identification automatique des erreurs de segmentation des lésions de la Sclérose-en-Plaques
Résumé
In the context of Multiple Sclerosis (MS), neural networks have the potential to greatly assist neurologists in personalizing therapy through automatic quantification of the evolution of brain lesions. However, these models produce predictions (lesions) without an estimation of their certainty. To address this, we propose Safety-Net, a neural network capable of segmenting MS lesions and associating a map of uncertainty, allowing the neurologist to quickly identify problematic areas and, if necessary, correct the prediction, thereby increasing the acceptability of the system.
Dans le contexte de la Sclérose-En-Plaques (SEP), les réseaux de neurones ont le potentiel d'assister grandement le neurologue dans la personnalisation de la thérapie par la quantification automatique de l'évolution des lésions cérébrales. Néanmoins, ces modèles produisent des prédictions (lésions) sans estimation de leur certitude. Pour remédier à cela, nous proposons Safety-Net, un réseau de neurones capable de segmenter les lésions SEP, et d'associer une carte de doute, permettant au neurologue d'identifier rapidement les zones problématiques, le cas échéant de corriger la prédiction, augmentant ainsi l'acceptabilité du système.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
