诊断不确定性校准：迈向医学领域可靠的机器预测

Takahiro Mimori; Keiko Sasada; Hirotaka Matsui; Issei Sato

诊断不确定性校准：迈向医学领域可靠的机器预测

机器学习 2021-03-23 v4 机器学习

作者: Takahiro Mimori , Keiko Sasada , Hirotaka Matsui , Issei Sato

摘要

我们提出一种在标签不确定性存在下对类概率估计（CPEs）的评估框架，这种不确定性在医学领域中表现为专家间诊断分歧。我们还形式化了用于更高阶统计量的评估指标，包括评分者间分歧，以评估对标签不确定性的预测。此外，我们提出一种称为 $\alpha$ -校准的新型事后方法，使神经网络分类器具备经过校准的 CPEs 分布。通过合成实验和大规模医学影像应用，我们表明我们的方法显著增强了不确定性估计的可靠性：分歧概率与后验 CPEs。

关键词

不确定性校准类概率估计标签不确定性 $\alpha$-校准医学影像神经网络分类器

引用

@article{arxiv.2007.01659,
  title  = {Diagnostic Uncertainty Calibration: Towards Reliable Machine Predictions in Medical Domain},
  author = {Takahiro Mimori and Keiko Sasada and Hirotaka Matsui and Issei Sato},
  journal= {arXiv preprint arXiv:2007.01659},
  year   = {2021}
}

备注

31 pages, 6 figures

诊断不确定性校准：迈向医学领域可靠的机器预测

摘要

关键词

引用

备注

相关论文