医学图像分析中不确定性量化的综述：概率与非概率方法
图像与视频处理
2023-10-12 v1 计算机视觉与模式识别
摘要
尽管文献中报道了大量高性能解决方案，机器学习医疗模型在临床实践中的全面集成仍不尽理想。阻碍广泛采用的一个主要因素在于缺乏证实上述模型可靠性的充分证据。近来，不确定性量化方法被提议作为量化机器学习模型可靠性的潜在方案，从而提升结果的可解释性与可接受性。本综述全面概述了针对各类医学图像任务所开发的机器学习模型中固有不确定性量化的主流方法。与早期仅关注概率方法的综述不同，本综述亦探讨非概率方法，从而对该领域研究提供更整体的调查。文中给出医学图像分析，并总结与讨论医学应用及相应不确定性评估协议，聚焦于医学图像分析中不确定性的特定挑战。我们亦在文末指出若干潜在未来研究工作。总体而言，本综述旨在使来自临床与技术背景的研究者均能快速且深入地理解医学图像分析机器学习模型中不确定性量化的研究。
引用
@article{arxiv.2310.06873,
title = {A review of uncertainty quantification in medical image analysis: probabilistic and non-probabilistic methods},
author = {Ling Huang and Su Ruan and Yucheng Xing and Mengling Feng},
journal= {arXiv preprint arXiv:2310.06873},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2210.03736 by other authors