Correzione di errori di annotazione con il deep learning

Figura 2. Un esempio di come il modello può fungere da "secondo lettore", e correggere un errore umano. L’aorta discendente era stata parzialmente mancata durante l'annotazione manuale (in verde), mentre il modello ha identificato correttamente la struttura (in rosso).


Riferimenti
1. Baskaran L, Conte E, Andreini D, Pontone G et al. (2020) Automatic segmentation of multiple cardiovascular structures from cardiac computed tomography angiography images using deep learning. PLoS ONE 15(5):e0232573. https://doi.org/ 10.1371/journal.pone.0232573

(CHIUDI LA FINESTRA PER TORNARE ALLA NEWS)