面向神经网络血型检测质量控制的专家感知不确定性估计
计算机视觉与模式识别
2024-07-17 v1
摘要
在医学诊断中，对神经网络模型进行准确的不确定性估计对于补充第二意见系统至关重要。尽管神经网络集团在这方面表现良好，但实际不确定性与预测估计之间仍存在差距。这一主要困难在于缺乏对难例难度的标签：典型数据集仅包含ground truth 目标标签，使不确定性估计问题几乎处于无监督状态。我们的方法通过整合专家对案例复杂性评估到神经网络学习过程中，利用确切目标标签和补充的复杂性评分。我们为血型检测验证了该方法，利用一个独特的数据集 "BloodyWell" 为其增添了来自六位医学专家的复杂性评分。实验表明，我们的方法在不确定性预测方面取得了改进，凭借专家标签实现了 2.5 倍的提升，凭借神经网络专家共识估计实现了 35% 的性能提升。
引用
@article{arxiv.2407.11181,
title = {Expert-aware uncertainty estimation for quality control of neural-based blood typing},
author = {Ekaterina Zaychenkova and Dmitrii Iarchuk and Sergey Korchagin and Alexey Zaitsev and Egor Ershov},
journal= {arXiv preprint arXiv:2407.11181},
year = {2024}
}