不确定性感知的面部与全身图像剩余寿命预测
计算机视觉与模式识别
2025-10-09 v3
摘要
从图像中预测与死亡率相关的结果有望实现便捷、无创且可扩展的健康筛查。我们提出了一种方法，利用预训练的视觉Transformer基础模型从面部和全身图像估计剩余寿命，同时进行稳健的不确定性量化。我们表明预测不确定性随真实剩余寿命系统性变化，并且这种不确定性可以通过为每个样本学习高斯分布来有效建模。我们的方法在已建立数据集上实现了 7.41 年的最先进的平均绝对误差（MAE），并在本工作中整理和发布的两个新高质量数据集上进一步实现了 4.91 年和 4.99 年的 MAE。重要的是，我们的模型提供了校准的不确定性估计，如面部数据集上的分桶期望校准误差 0.82 年所示。虽然并非旨在用于临床部署，但这些结果突显了从图像中提取医学相关信号的潜力。我们公开了所有代码和数据集以促进进一步研究。
引用
@article{arxiv.2506.13430,
title = {Uncertainty-Aware Remaining Lifespan Prediction from Images},
author = {Tristan Kenneweg and Philip Kenneweg and Barbara Hammer},
journal= {arXiv preprint arXiv:2506.13430},
year = {2025}
}
备注
Submitted to ISVC 2025