利用健全性测试检测人工智能引导放射系统的伪相关
图像与视频处理
2021-03-05 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
人工智能（AI）在解决机器感知的众多问题上已取得成功。在放射学中，AI系统正快速发展，并在引导治疗决策、诊断、在医学图像上定位疾病以及提升放射科医生效率方面展现出进展。部署放射学AI的关键环节是获得对所开发系统效能与安全的信心。当前的金标准方法是在来自一个或多个机构的泛化数据集上开展性能的分析验证，随后在部署期间开展系统效能的临床验证研究。临床验证研究耗时漫长，且最佳实践要求有限复用分析验证数据，因此理想情况是提前知晓系统是否可能未通过分析或临床验证。本文中，我们描述了一系列健全性测试，以识别系统因错误原因在开发数据上表现良好的情形。我们通过设计一个深度学习系统来分类计算机断层扫描中观察到的胰腺癌，阐明了健全性测试的价值。
引用
@article{arxiv.2103.03048,
title = {Detecting Spurious Correlations with Sanity Tests for Artificial Intelligence Guided Radiology Systems},
author = {Usman Mahmood and Robik Shrestha and David D. B. Bates and Lorenzo Mannelli and Giuseppe Corrias and Yusuf Erdi and Christopher Kanan},
journal= {arXiv preprint arXiv:2103.03048},
year = {2021}
}