UATTA-ENS：用于 PIRC 糖尿病视网膜病变检测的不确定性感知测试时增强集成方法
计算机视觉与模式识别
2022-11-09 v2 人工智能
机器学习
摘要
深度集成卷积神经网络已成为分析医学图像的首选方法之一，其诊断性能可与医生相媲美，包括糖尿病视网膜病变的诊断。然而，常用技术是确定性的，因此无法提供任何预测不确定性的估计。量化模型不确定性对于降低误诊风险至关重要。可靠的架构应经过良好校准以避免过度自信的预测。为此，我们提出 UATTA-ENS：一种用于 5 类 PIRC 糖尿病视网膜病变分类的不确定性感知测试时增强集成技术（Uncertainty-Aware Test-Time Augmented Ensemble Technique），以产生可靠且校准良好的预测。
引用
@article{arxiv.2211.03148,
title = {UATTA-ENS: Uncertainty Aware Test Time Augmented Ensemble for PIRC Diabetic Retinopathy Detection},
author = {Pratinav Seth and Adil Khan and Ananya Gupta and Saurabh Kumar Mishra and Akshat Bhandari},
journal= {arXiv preprint arXiv:2211.03148},
year = {2022}
}
备注
To Appear at Medical Imaging meets NeurIPS Workshop 2022