通过建模深度卷积神经网络预测不确定性与自适应阈值推理实现左心室分割
计算机视觉与模式识别
2018-03-02 v1
摘要
深度神经网络在解决复杂问题方面已展现出巨大成就。然而，存在一些基础性问题限制了其在现实世界中的应用。缺乏用于估计网络输出不确定性的可度量准则是其中之一。本文通过对网络输入引入形变并测量网络输出稳定性水平来解决这一局限。我们计算简单的随机变换以估计深度卷积神经网络的预测不确定性。作为一个实际用例，我们将该方法应用于MRI心脏图像中的左心室分割。我们还提出了一种自适应阈值方法来考虑深度神经网络的不确定性。实验结果展示了最先进的性能，并凸显了简单方法与深度神经网络结合的能力。
引用
@article{arxiv.1803.00406,
title = {Left ventricle segmentation By modelling uncertainty in prediction of deep convolutional neural networks and adaptive thresholding inference},
author = {Alireza Norouzi and Ali Emami and S. M. Reza Soroushmehr and Nader Karimi and Shadrokh Samavi and Kayvan Najarian},
journal= {arXiv preprint arXiv:1803.00406},
year = {2018}
}
备注
5 pages, 3 figures