PulseAugur
中
实时 09:59:13
English(EN) Probabilistic Robustness in Medical Image Classification

揭示用于AI在医学影像中可信度的新指标

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了概率鲁棒性（PR）作为评估医学图像分类中深度学习模型可信度的更实用方法。该方法与现有的对抗鲁棒性（AR）方法形成对比，后者侧重于最坏情况。该研究在MedMNIST v2数据集上评估了常见的深度学习模型，并采用了自然扰动设置，提供了对模型可信度的统计学基础视角，旨在支持更安全的临床部署。 AI

影响 为评估AI模型在医学影像等关键应用中的可信度引入了新指标。

排序理由 介绍AI模型评估新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

揭示用于AI在医学影像中可信度的新指标

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yi Zhang, Siddartha Khastgir, Xingyu Zhao ·

    Probabilistic Robustness in Medical Image Classification

    arXiv:2607.03797v1 Announce Type: new Abstract: Deep learning (DL) has shown strong performance in medical image classification, but its trustworthy deployment remains challenging in safety-critical clinical settings, where prediction errors under perturbations may lead to severe…

相关实体

相关话题