Sep, 2024

提升深度贝叶斯医学图像分割中的不确定性-错误对应关系

HTML
PDF
TL;DR本研究旨在解决自动化医疗图像分割中，由于检测错误而增加的质控工作量。通过利用准确性与不确定性（AvU）损失函数训练FlipOut模型，研究提出了一种新方法，使贝叶斯不确定性仅在不准确区域存在，从而有效减少了准确体素的误报。实验证明，该方法在降低准确区域不确定性的同时，保持了不准确区域的不确定性水平。
发现论文，激发创造
  • 利用不确定性评估预测分割质量

    本文旨在将最近关于评估不确定性的结果应用于基于深度学习的医学分割中的两个重要输出：产生空间不确定性映射，以便临床医生可以观察系统何时以及为何错误，以及量化图像级别的失败预测，并展示关于空间不确定性的推理是产生分割质量预测的有用中间表示。提出了一个两阶段的架构来生成这些不确定性测量，可以适应任何基于深度学习的医学分割管道。

    Jul, 2018

  • 评估医学图像分割不确定性估计的可靠性和挑战

    本文研究深度学习系统在医学图像分割方面的不确定性评估方法，发现现有不确定性评估方法在数据集水平表现良好但在个体水平出现偏差，因此需要开发个体化的评估方法。研究还发现辅助网络是一种有效的评估方法。

    Jul, 2019

  • 贝叶斯深度图像先验下的医学图像去噪中的不确定性估计

    通过随机初始化卷积网络对图像进行参数化并执行梯度下降，以匹配观察结果的方法来量化反向医学成像任务中的不确定性，扩展到带有蒙特卡罗失活的贝叶斯方法，实现对预测不确定性的可靠估计，解决了大型数据集上深度神经网络出现幻觉和制品所带来的问题。

    Aug, 2020

  • 高效的贝叶斯不确定性估计方法，用于nnU-Net

    本文提出了一种新方法，通过后验采样的贝叶斯不确定性估计为nnU-Net的医学图像分割提供可靠性度量，同时通过较多的后验模型优化分割性能。在ACDC和M&M心脏MRI数据集上的实证表明，该方法比Monte Carlo Dropout和平均场贝叶斯神经网络在不确定性估计上表现得更好，同时不影响NNu-Net架构的性能。

    Dec, 2022

  • 基于特定于评分者的贝叶斯神经网络来量化医学图像分割中评定员不确定性

    该研究旨在探索和分析医学成像中多位专家对同一图像进行解释和注释的情况下分割结果的可变性，引入了一种新颖的基于贝叶斯神经网络的架构来评估医学图像分割的标记者之间的不确定性，并使用一种包含关注模块的一编码器多解码器架构，该方法在七个不同的任务中超过了现有的基准方法，并提供了代码、模型和新数据集。

    Jun, 2023

  • 基于可扩展的认知不确定性量化的器官分割基准测试

    本研究通过深度学习方法对自动器官分割进行了评估，比较了不同方法在准确性、不确定性校准性和可扩展性等方面的强弱点，为可靠、稳健的模型开发提供了有价值的建议。

    Aug, 2023

  • 评估在分布偏移下的三维图像分割的不确定性估计方法

    通过比较贝叶斯和非贝叶斯方法，本研究探讨了在医疗图像识别任务中使用先进的不确定性估计方法的可行性，旨在实现可靠和可信赖的诊断预测，结果表明处理后验分布中多峰特性的方法提供了更可靠的不确定性估计。这项研究有助于提升深度学习在医疗保健领域的实用性，使诊断预测更加健壮和可靠。

    Feb, 2024

  • 不确定性感知适配器：为模棱两可的医学图像分割调整 Segment Anything 模型 (SAM)

    基于医学图像的不确定性感知，使用 Uncertainty-aware Adapter 对 Segment Anything Model 进行有效 fine-tuning，实现了新的最先进的医学图像分割方法。

    Mar, 2024

  • EDUE：基于专家意见引导的一遍式医学图像分割不确定性估计

    本研究提出了一种基于专家分歧引导的不确定性估计方法（EDUE），用于医学图像分割，通过利用多个评分者对地面事实标注的变异性，我们在训练过程中引导模型，并结合基于随机抽样的策略来增强校准置信度，我们的方法在图像和像素级别上与专家分歧相比，平均相关性分别提高了55%和23%，具有更好的校准性能，并且相较于最先进的深度集合，在只需进行单次前向传递的情况下，具有具有竞争性的分割性能。

    Mar, 2024

  • 将认识不确定性估计整合到放射治疗工作流程中

    本研究解决了放射治疗计划中靶区和风险器官轮廓描绘精度不足的问题，尤其是在分布外（OOD）场景下模型的可靠性。我们提出了一种将认识不确定性估计整合到OAR轮廓描绘工作流中的新方法，通过一种先进的统计方法增强OOD检测能力。实证结果表明，该方法在OOD检测中的AUC-ROC达到0.95，具有良好的临床应用潜力。

    Sep, 2024