EndoOOD：胶囊内镜诊断中感知不确定性的分布外检测
计算机视觉与模式识别
2024-02-20 v1
摘要
无线胶囊内镜（WCE）是一种非侵入性诊断程序，可实现胃肠道（GI）的可视化。基于深度学习的方法在利用 WCE 数据进行疾病筛查方面显示出有效性，减轻了医护人员的负担。然而，现有的胶囊内镜分类方法大多依赖于预定义类别，使得识别和分类分布外（OOD）数据（如未定义类别或解剖标志）具有挑战性。为解决这一问题，我们提出了内镜分布外检测（EndoOOD）框架，旨在有效应对 WCE 诊断中的 OOD 检测挑战。该框架侧重于通过结合感知不确定性的 mixup 训练和长尾分布内（ID）数据校准技术，提高 WCE 诊断能力的鲁棒性和可靠性。此外，采用虚拟 logit 匹配以准确区分 OOD 和 ID 数据，同时最小化信息损失。为评估我们提出方案的性能，我们使用两个公开数据集进行了评估，并与 12 种最先进（SOTA）方法进行了比较。结果表明，所提出的框架在提高诊断准确性和支持临床决策方面具有有效性。
引用
@article{arxiv.2402.11476,
title = {EndoOOD: Uncertainty-aware Out-of-distribution Detection in Capsule Endoscopy Diagnosis},
author = {Qiaozhi Tan and Long Bai and Guankun Wang and Mobarakol Islam and Hongliang Ren},
journal= {arXiv preprint arXiv:2402.11476},
year = {2024}
}
备注
To appear in IEEE ISBI 2024