面向术中功能成像的分布外检测
图像与视频处理
2019-11-06 v1 机器学习
医学物理
机器学习
摘要
多光谱光学成像正成为手术室中的关键工具。近期研究表明，机器学习算法可用于将逐像素反射率测量转换为组织参数，如氧合。然而，这些算法的准确性仅在手术中采集的光谱与训练时所见光谱匹配时方可保证。因此，检测所谓的分布外（OoD）光谱以防止算法给出虚假结果极具意义。本文提出一种基于信息论的 OoD 检测方法，其建立在广泛适用信息准则（WAIC）之上。我们的工作基于近期与可逆神经网络（INN）相关的方法。具体地，我们使用 INN 集成，因为需要其可处理的雅可比矩阵以计算 WAIC。基于计算机模拟及体内多光谱成像数据的综合实验表明，我们的方法非常适合 OoD 检测。因而，我们的方法可作为手术室中可靠功能成像的重要一步。
引用
@article{arxiv.1911.01877,
title = {Out of distribution detection for intra-operative functional imaging},
author = {Tim J. Adler and Leonardo Ayala and Lynton Ardizzone and Hannes G. Kenngott and Anant Vemuri and Beat P. Müller-Stich and Carsten Rother and Ullrich Köthe and Lena Maier-Hein},
journal= {arXiv preprint arXiv:1911.01877},
year = {2019}
}
备注
The final authenticated version is available online at https://doi.org/10.1007/978-3-030-32689-0_8