MCU-Net：面向医疗情境下决策支持系统患者转诊的不确定性表示框架
机器学习
2020-08-26 v3 计算机视觉与模式识别
机器学习
摘要
在医疗情境中部署自动化决策支持时，引入人在回路系统对于建立信任以及在患者个体层面提供可靠性能至关重要。深度学习方法虽具有高性表现，但因缺乏不确定性表示而无法支持这种以患者为中心的方法。因此，我们提出一种不确定性表示框架，针对医学图像分割进行评估，该框架使用 MCU-Net 将 U-Net 与 Monte Carlo Dropout 相结合，并以四种不同的不确定性度量进行评估。该框架进一步基于不确定性阈值增加人在回路环节，以将不确定病例自动转诊给医疗专业人员。我们证明，MCU-Net 与认知不确定性以及针对此应用调优的不确定性阈值相结合，可在个体患者层面最大化自动化性能，同时转诊真正不确定的病例。这是在医疗环境中部署基于机器学习（machine learning）的决策支持时迈向不确定性表示的一步。
引用
@article{arxiv.2007.03995,
title = {MCU-Net: A framework towards uncertainty representations for decision support system patient referrals in healthcare contexts},
author = {Nabeel Seedat},
journal= {arXiv preprint arXiv:2007.03995},
year = {2020}
}
备注
4 pages, 4 figures,Spotlight Talk at KDD 2020 - Applied Data Science for Healthcare Workshop & presented at ICML 2020: Uncertainty and Robustness in Deep Learning