面向医学图像分析的基础模型可信度综述
计算机视觉与模式识别
2024-10-08 v2 人工智能
计算机与社会
人机交互
机器学习
摘要
基础模型在医学影像中的快速发展代表了一个显著的进步，旨在提高诊断准确性和个性化治疗水平。然而，在医疗保健领域部署基础模型需要严格审查其可信度，涵盖隐私、鲁棒性、可靠性、可解释性和公平性等方面。当前关于基础模型在医学影像中的综述文献存在显著空白，尤其是在可信度方面。此外，现有的基础模型可信度综述未充分考虑其在医学影像领域的具体变体和应用。本综述旨在填补这一空白，通过提出一种新颖的医学影像中基础模型分类框架，分析确保其可信度的关键动机。我们综述了基础模型在主要医学影像应用中的当前研究，重点关注分割、医学报告生成、医学问答和疾病诊断。之所以突出这些领域，是因为与其他应用相比，这些领域已见证了相对成熟且数量较大的基础模型。我们聚焦于讨论医学图像分析中可信度的文献。我们探讨了为每个应用构建可信赖基础模型所面临的复杂挑战，总结当前关切和提高可信度的策略。此外，我们检查了这些模型对患者护理产生变革潜力。我们的分析强调了在医学图像分析中向可信赖 AI 迈进的紧迫性，倡导在确保伦理和公平医疗保健的同时，鼓励创新。
引用
@article{arxiv.2407.15851,
title = {A Survey on Trustworthiness in Foundation Models for Medical Image Analysis},
author = {Congzhen Shi and Ryan Rezai and Jiaxi Yang and Qi Dou and Xiaoxiao Li},
journal= {arXiv preprint arXiv:2407.15851},
year = {2024}
}