研究人员开发了一种用于超声图像中甲状腺结节分类的深度集成模型，旨在为临床决策支持提供校准概率和不确定性估计。该模型利用带有注意力机制的ConvNeXt-Tiny，在TN5000数据集上进行训练和验证，取得了强劲的内部性能指标。然而，当在表现出数据集偏移的独立数据集（TN3K）上进行测试时，模型的性能和校准显著下降，凸显了外部阈值可移植性方面的挑战。 AI
影响 这项研究强调了在不同数据集上进行稳健的模型校准和验证的必要性，以实现医学影像中AI的可靠部署。
排序理由 该集群包含一篇详细介绍新模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Calibrated Selective Prediction Using Deep Ensembles for ROI-Based Thyroid Nodule Ultrasound Classification Under Dataset Shift: A Retrospective Evaluation
- ConvNeXt-Tiny
- Sadibul Hasan Sadib
- TN3K
- TN5000
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
