研究人员开发了MARVEL，一种用于改进临床AI诊断系统中分布外（OOD）检测的新方法。MARVEL通过在不平衡的医学数据集上进行训练，并在临床相关的OOD谱系上进行评估，来解决当前方法的局限性。该框架包括一个用于非线性边界的非线性von Mises-Fisher分类器、一个用于处理数据不平衡的多专家系统，以及一个用于区分内点和外点的异常值专家。在RFMiD、ISIC2019和NCTCRC数据集上的评估显示，与最先进的方法相比，误报率显著降低。 AI
影响 通过改进对未知病例的识别能力，提高了AI诊断的可靠性，从而实现了更安全的AI辅助医疗工作流程。
排序理由 该项目是一篇研究论文，详细介绍了一种新的分布外检测方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.02435v1 Announce Type: new Abstract: For clinical deployment, it is essential that automated diagnostic systems remain reliable when confronted with previously unseen cases, yet deep models routinely misclassify out-of-distribution (OOD) inputs with high confidence, un…
For clinical deployment, it is essential that automated diagnostic systems remain reliable when confronted with previously unseen cases, yet deep models routinely misclassify out-of-distribution (OOD) inputs with high confidence, underscoring the need for more robust OOD detectio…