医学影像中的分布外检测：综述

近年来，计算机辅助诊断受益于基于深度学习的计算机视觉技术的发展。传统的监督深度学习方法假设测试样本与训练数据来自相同的分布。然而，在真实的临床场景中，可能会遇到分布外（OOD）样本，这可能导致基于深度学习的医学图像分析任务出现静默失败。近期，研究探索了各种分布外检测场景和技术，以构建可信赖的医学人工智能系统。在本综述中，我们系统地回顾了医学图像分析中OOD检测的最新进展。我们首先探讨了在临床场景中使用深度学习模型时可能导致分布偏移的若干因素，并在此基础上定义了三种不同类型的分布偏移。接着，我们提出了一个框架来对现有研究进行分类，并基于方法学对以往研究进行回顾。我们的讨论还包括评估协议和指标，以及缺乏探索的挑战和研究方向。