研究人员开发了一种新方法，用于提高分类模型的可靠性，特别是在数据不平衡的情况下，例如宫颈细胞学检查。该研究聚焦于Mendeley LBC数据集，使用了其原生的四类Bethesda分类法。通过采用事后温度缩放进行校准，模型在校准误差和Brier分数方面显著降低，而区分度指标基本不受影响。研究结果表明，在这种情况下，适当的校准比集成模型的大小对可靠性更重要，尽管数据集的规模不大需要考虑。 AI
影响 提高了AI模型在医学诊断中的可靠性，尤其是在处理数据不平衡的情况下。
排序理由 学术论文，提出了一种新的AI模型校准方法。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
