OpenMIBOOD：面向分布外检测的开放医学成像基准
计算机视觉与模式识别
2025-10-24 v2 机器学习
摘要
医疗等关键领域对人工智能(AI)日益增长的依赖要求有稳健的机制来确保这些系统的可信度，尤其是在面临意外或异常输入时。本文介绍了面向分布外检测的开放医学成像基准(OpenMIBOOD)，这是一个专门用于评估医学成像场景下分布外(OOD)检测方法的综合框架。OpenMIBOOD 包含来自不同医学领域的三个基准，涵盖 14 个数据集，分为协变量偏移的分布内、近 OOD 和远 OOD 类别。我们在这些基准上评估了 24 种事后方法，为推进 OOD 检测方法的开发与公平比较提供了标准化参考。结果表明，自然图像领域大规模 OOD 基准的发现并不适用于医学应用，凸显了医学领域对此类基准的迫切需求。通过降低 AI 模型暴露于训练分布之外输入的风险，OpenMIBOOD 旨在支持医疗领域可靠且可信 AI 系统的发展。代码库地址：https://github.com/remic-othr/OpenMIBOOD。
引用
@article{arxiv.2503.16247,
title = {OpenMIBOOD: Open Medical Imaging Benchmarks for Out-Of-Distribution Detection},
author = {Max Gutbrod and David Rauber and Danilo Weber Nunes and Christoph Palm},
journal= {arXiv preprint arXiv:2503.16247},
year = {2025}
}
备注
Updated results for NNGuide and ViM