MIMO: 多指标、多器官分割模型的综合评估方法

U-Net 及其变体在医学图像分割领域应用广泛，但模型评估技术却相对滞后。现有技术存在复杂性、缺乏全面性和统一性等问题，难以有效指导临床实践。为了解决这个问题，本文提出了 MIMO 方法，该方法能够在一个统一的指标中同时量化多器官分割结果、多个准确性指标和置信度估计。MIMO 提供了一个更全面、更易用的模型评估方案，能够提供关于模型整体性能的具体信息。MIMO 分数越高，意味着该模型在多个准确性指标和置信度估计方面同时表现更好，因此更具参考价值。在八种不同医学图像分割模型上的实验表明，MIMO 方法为临床模型部署提供了新颖的见解和简洁的指标。