AutoMO-Mixer：一种用于医学中平衡、安全与鲁棒预测的自动化多目标Mixer模型
图像与视频处理
2022-03-07 v1 计算机视觉与模式识别
机器学习
摘要
通过医学图像准确识别患者状态在诊断和治疗中起着重要作用。人工智能（AI），尤其是深度学习，已在诸多领域取得巨大成功。然而，在图像引导诊断与治疗中仍需更可靠的AI模型。为实现这一目标，开发一个具有统一框架的平衡、安全且鲁棒的模型是可取的。本研究开发了一种称为自动化多目标Mixer（AutoMO-Mixer）的新统一模型，其以近期提出的多层感知机Mixer（MLP-Mixer）为基础。为构建平衡模型，在训练阶段同时将灵敏度和特异度作为目标函数。同时，提出了一种基于熵的证据推理，以在测试阶段实现安全且鲁棒的模型。在光学相干断层扫描数据集上的实验表明，与MLP-Mixer及其他现有模型相比，AutoMO-Mixer能获得更安全、更平衡且更鲁棒的结果。
引用
@article{arxiv.2203.02384,
title = {AutoMO-Mixer: An automated multi-objective Mixer model for balanced, safe and robust prediction in medicine},
author = {Xi Chen and Jiahuan Lv and Dehua Feng and Xuanqin Mou and Ling Bai and Shu Zhang and Zhiguo Zhou},
journal= {arXiv preprint arXiv:2203.02384},
year = {2022}
}