计算组织病理学中外分布检测的不确定性估计
计算机视觉与模式识别
2022-10-19 v1 机器学习
摘要
在计算组织病理学中，算法在一系列任务上已超越人类，但迄今为止尚无任何算法被用于临床的自动化诊断。在算法能够参与此类高风险决策之前，它们需要“知道何时自己不知道”，即需要估计其预测不确定性。这使它们能够将潜在错误的预测交由人类病理学家处理，从而提升安全性。在此，我们评估了多种不确定性估计方法在临床组织病理学数据上的预测性能与校准情况。我们表明，一种距离感知的不确定性估计方法优于常用方法，如 Monte Carlo dropout 和 deep ensembles。然而，我们观察到在所有测试的不确定性估计方法上，对新样本的预测性能和校准均出现下降。我们还研究了使用不确定性阈值化来拒绝外分布样本以实现选择性预测。我们展示了该方法的局限性，并提出了未来研究的若干方向。
引用
@article{arxiv.2210.09909,
title = {Uncertainty estimation for out-of-distribution detection in computational histopathology},
author = {Lea Goetz},
journal= {arXiv preprint arXiv:2210.09909},
year = {2022}
}
备注
8 pages, 3 figures