在深度学习中利用不确定性进行胰腺腺癌分级
图像与视频处理
2022-06-20 v1 计算机视觉与模式识别
机器学习
摘要
与其他癌症相比，胰腺癌预后最差之一，因为在确诊时癌症已进展至后期阶段。当前用于诊断胰腺腺癌的手动组织学分级耗时且常导致误诊。在数字病理学中，基于 AI 的癌症分级必须在预测与不确定性量化上极为准确，以提升可靠性与可解释性，且对于赢得临床医生对该技术的信任至关重要。我们提出贝叶斯卷积神经网络，从 MGG 与 HE 染色图像自动进行胰腺癌分级，以估计模型预测中的不确定性。我们展示所估计的不确定性可与预测误差相关联。具体而言，其有助于使用一种权衡分类准确率-拒绝折衷与由超参数控制的误分类代价的度量来设定接受阈值，并可用于临床环境。
引用
@article{arxiv.2206.08787,
title = {Leveraging Uncertainty in Deep Learning for Pancreatic Adenocarcinoma Grading},
author = {Biraja Ghoshal and Bhargab Ghoshal and Allan Tucker},
journal= {arXiv preprint arXiv:2206.08787},
year = {2022}
}
备注
26th UK Conference on Medical Image Understanding and Analysis; 27 - 29 July 2022; University of Cambridge, UK. arXiv admin note: text overlap with arXiv:2003.10769