用于皮肤癌检测的不确定性感知神经网络
图像与视频处理
2021-07-27 v2 计算机视觉与模式识别
机器学习
摘要
深度学习（DL）模型因其在模式识别方面的良好能力而在医学影像中受到特别关注。然而，深度神经网络（DNNs）需要海量数据，且由于该领域缺乏充足数据，迁移学习是一个很好的解决方案。用于疾病诊断的 DNNs 精心致力于提高预测准确率，却不提供其预测置信度的度量。在计算机辅助诊断模型中，了解 DNN 模型对其预测的置信程度，对于赢得临床医生对基于 DL 的解决方案的信心与信任是必要的。为解决此问题，本工作提出了三种不同的方法来量化从图像进行皮肤癌检测的不确定性。它还使用新颖的不确定性相关指标全面评估并比较了这些 DNNs 的性能。所得结果表明，预测不确定性估计方法能够以高不确定性估计标记有风险和错误的预测。我们还证明集成方法在通过推断捕获不确定性方面更为可靠。
引用
@article{arxiv.2107.09118,
title = {Confidence Aware Neural Networks for Skin Cancer Detection},
author = {Donya Khaledyan and AmirReza Tajally and Ali Sarkhosh and Afshar Shamsi and Hamzeh Asgharnezhad and Abbas Khosravi and Saeid Nahavandi},
journal= {arXiv preprint arXiv:2107.09118},
year = {2021}
}
备注
21 Pages, 7 Figures, 2 Tables