一种用于医学影像分类的 conformalized 预测集学习方法
机器学习
2024-08-12 v1
摘要
医学影像分类器可以实现高预测准确率，但对其不确定性的量化仍是一个未解决的挑战，这阻碍了其在医疗诊所中的部署。我们提出一种算法，可修改任何分类器以产生包含真实标签的预测集，其概率可由用户指定，例如 90%。我们训练一个网络预测实例版本的 Conformal Prediction 阈值。随后对该阈值进行 conformalized 处理以确保满足所需覆盖率。我们将所提出的方法应用于多个标准医学影像分类数据集。实验结果表明，我们的方法在保持所需覆盖率的前提下，以较小的平均预测集大小优于当前方法。
引用
@article{arxiv.2408.05037,
title = {A conformalized learning of a prediction set with applications to medical imaging classification},
author = {Roy Hirsch and Jacob Goldberger},
journal= {arXiv preprint arXiv:2408.05037},
year = {2024}
}
备注
21st IEEE International Symposium on Biomedical Imaging (ISBI) camera-ready