面向增强和可靠卵巢囤肿计数的对象检测模型中的高效精度控制
机器学习
2025-01-27 v1
摘要
图像分析是描述卵丘发生过程细节机制的关键工具，例如评估鼠原初卵巢囤肿(PMF)的数量，以把握卵巢储备。高分辨率虚拟滑片扫描仪的发展，为对组织病理程序进行定量化、稳健化和加速提供了可能。机器学习面临的一个主要挑战是，在实现高召回率的同时控制预测精度，以提供可重复性。我们采用一种多重检验程序，以一种超越常规精度-召回权衡的方式解决该问题，这种方式对精度提供概率性保证。此外，我们通过选择基于上下文生物学信息或使用辅助模型来显著提高模型的整体性能（F1-score提高）。由于该方法对模型具有无关性，这种基于上下文的选择程序为开发一种无需重新训练即可提升任何模型性能的策略提供了可能。
引用
@article{arxiv.2501.14036,
title = {Efficient Precision Control in Object Detection Models for Enhanced and Reliable Ovarian Follicle Counting},
author = {Vincent Blot and Alexandra Lorenzo de Brionne and Ines Sellami and Olivier Trassard and Isabelle Beau and Charlotte Sonigo and Nicolas J-B. Brunel},
journal= {arXiv preprint arXiv:2501.14036},
year = {2025}
}
备注
11 pages, 3 figures