Methodology for assessing the accuracy and quality of labeling and segmentation of MRI images of the human lumbar spine

Abstract

This study proposes a unified evaluation framework for automated lumbar spine MRI segmentation and level-wise labeling using public multi-center data [1]. The protocol assesses detection/segmentation via mAP across IoU thresholds (0.50-0.95), mask quality via Dice and 95 % Hausdorff distance, and labeling accuracy on ROIs. It addresses cross-domain variations and recommends engineering strategies like a two-stage cascade. This structured approach ensures reproducibility and offers a stratified benchmark for future research.

В данном исследовании предложена унифицированная система оценки для автоматизированной сегментации и поуровневой маркировки МРТ поясничного отдела позвоночника с использованием общедоступных данных [1]. Предлагаемая методика позволяет оценить локализацию/сегментацию с помощью mAP при пороговых значениях IoU (0,50–0,95), качество маски по методу Дайса и 95%-ному расстоянию Хаусдорфа, а также точность маркировки в областях интереса. В ней рассмотрены междоменные вариации и рекомендованы инженерные стратегии, такие как двухступенчатый каскад. Этот структурированный подход обеспечивает воспроизводимость и предлагает стратифицированный ориентир для будущих исследований.