分类任务与分布偏移类型对胎儿超声中OOD检测的影响
计算机视觉与模式识别
2025-09-24 v1
摘要
可靠的分布外(OOD)检测对于在异质图像特征和临床环境中安全部署深度学习模型至关重要。OOD检测依赖于估计分类模型的不确定性，该不确定性对OOD样本应增加。尽管现有研究大多聚焦于不确定性量化方法，但本工作考察了分类任务本身的影响。通过在四个分类任务上使用八种不确定性量化方法进行实验，我们证明OOD检测性能随任务显著变化，且最佳任务取决于所定义的ID-OOD标准；具体而言，即OOD样本是由于：i) 图像特征偏移还是 ii) 解剖特征偏移所致。此外，我们揭示更优的OOD检测并不能保证最优的放弃预测，强调了任务选择与不确定性策略需与医学图像分析中的特定下游应用保持一致的必要性。
引用
@article{arxiv.2509.18326,
title = {Influence of Classification Task and Distribution Shift Type on OOD Detection in Fetal Ultrasound},
author = {Chun Kit Wong and Anders N. Christensen and Cosmin I. Bercea and Julia A. Schnabel and Martin G. Tolsgaard and Aasa Feragen},
journal= {arXiv preprint arXiv:2509.18326},
year = {2025}
}
备注
MICCAI 2025