基于保守风险控制的肺结节检测
计算机视觉与模式识别
2025-10-20 v2
摘要
定量工具正越来越受到医疗决策支持领域的青睐，这推动了人工智能系统日益强大的趋势。然而，理解工具输出背后预测不确定性对于决策者至关重要，以确保可靠和透明的决策。在本文中，我们提出了一个案例研究，针对肺癌筛查中的肺结节检测进行了改进，将一种称为保守风险控制（CRC）的不确定性量化技术融入先进的检测模型。我们展示，具有保守保证的预测集是医疗安全关键领域吸引人的不确定性度量，允许最终用户通过权衡假阳性来实现任意有效性，并对模型性能提供形式化的统计保证。在至少由三位放射科医生标注的肺结节中，我们的模型在灵敏度方面达到了与单个放射科医生通常实现的水平相当的水平，假阳性略有增加。此外，我们说明在面对本体论不确定性时（例如放射科医生对肺结节的真实标注标准存在分歧）使用即插即用预测模型的风险。
引用
@article{arxiv.2412.20167,
title = {Conformal Risk Control for Pulmonary Nodule Detection},
author = {Roel Hulsman and Valentin Comte and Lorenzo Bertolini and Tobias Wiesenthal and Antonio Puertas Gallardo and Mario Ceresa},
journal= {arXiv preprint arXiv:2412.20167},
year = {2025}
}