Aug, 2024
深度学习在数字病理学中针对肺癌分类的预测不确定性估计
Predictive uncertainty estimation in deep learning for lung carcinoma
classification in digital pathology under real dataset shifts
TL;DR本研究解决了在肺癌分类中，实际数据分布变化导致模型可靠性不足的问题。通过评估不同的不确定性估计方法（如蒙特卡洛丢弃、深度集成和少量学习），揭示了它们在临床相关数据分布变化下的表现和校准效果。研究发现，准确的预测不确定性估计显著增强了深度学习诊断决策系统的鲁棒性，具有重要的临床应用潜力。