中文

基于不确定性估计提升基石模型在OCT图像诊断可靠性

图像与视频处理 2024-06-26 v1 人工智能 计算机视觉与模式识别

摘要

无法表达置信水平和检测未见类别的局限性限制了人工智能在现实世界临床实施的应用。我们开发了一种带有不确定性估计的基石模型(FMUE),用于检测光学相干断层扫描(OCT)中的11种视网膜疾病。在内部测试集中,FMUE的F1分数高于两种最先进的算法(RETFound和UIOS),并通过阈值策略实现了进一步提升,达到98.44%。在来自其他OCT设备的外部测试集中,FMUE在阈值前后分别实现了88.75%和92.73%的准确率。我们的模型在两种眼科医生(95.17% vs. 61.93% &71.72%)的性能上表现更优。此外,我们的模型会为具有模糊特征、非目标类别疾病或低质量样本预测出高不确定性得分,以提示人工检查并防止误诊。FMUE为在现实世界临床开放集环境中实现自动视网膜异常检测提供了可信赖的方法。

关键词

引用

@article{arxiv.2406.16942,
  title  = {Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images},
  author = {Yuanyuan Peng and Aidi Lin and Meng Wang and Tian Lin and Ke Zou and Yinglin Cheng and Tingkun Shi and Xulong Liao and Lixia Feng and Zhen Liang and Xinjian Chen and Huazhu Fu and Haoyu Chen},
  journal= {arXiv preprint arXiv:2406.16942},
  year   = {2024}
}

备注

All codes are available at https://github.com/yuanyuanpeng0129/FMUE