基于眼底图像的视觉敏锐度评估及其PAC保证
图像与视频处理
2024-12-10 v1 人工智能
计算机视觉与模式识别
摘要
及时检测和治疗对维持眼部健康至关重要。视觉敏锐度（VA），即衡量远距离视觉清晰度的指标，是管理眼部健康的关键度量。机器学习（ML）技术已被引入以辅助VA测量，可能减轻临床医生的工作负担。然而，ML模型固有的不确定性使得仅依赖它们进行VA预测并不理想。VA预测任务涉及多种不确定性来源，需要更稳健的方法。一种有前景的方法是构建预测集或预测区间而非点估计，通过共形预测和大概率近似正确（PAC）预测集等技术提供覆盖保证。尽管具有潜力，但迄今为止这些方法尚未应用于VA预测任务。为解决这一问题，我们提出了一种从眼底图像估计视觉敏锐度的预测区间方法，并具有PAC保证。我们的实验结果表明PAC保证得到满足，性能与两项未提供此类保证的先前工作相当或更优。
引用
@article{arxiv.2412.06624,
title = {Fundus Image-based Visual Acuity Assessment with PAC-Guarantees},
author = {Sooyong Jang and Kuk Jin Jang and Hyonyoung Choi and Yong-Seop Han and Seongjin Lee and Jin-hyun Kim and Insup Lee},
journal= {arXiv preprint arXiv:2412.06624},
year = {2024}
}
备注
To be published in ML4H 2024