PulseAugur
中
实时 08:02:09
English(EN) Negative controls reveal volume-driven confounding in radiomics and imaging foundation model features

新框架READII-2-ROQC识别影像AI模型中的混淆因素

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为READII-2-ROQC的新开源框架已被开发出来，用于解决放射组学和影像基础模型中的混淆因素。该框架使用保持体积的阴性对照来评估提取的特征是否真正代表肿瘤生物学，还是受到肿瘤体积或采集伪影等因素的影响。当应用于公开的癌症影像队列时，READII-2-ROQC表明，一些模型即使在空间结构被破坏后仍能保持性能，这表明存在体积驱动的混淆，而其他模型则对扰动敏感。 AI

影响 该框架可以提高影像AI模型的可解释性和可靠性，从而带来更准确的诊断生物标志物。

排序理由 该集群包含一篇学术论文，详细介绍了用于评估AI模型的新框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新框架READII-2-ROQC识别影像AI模型中的混淆因素

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Katy L. Scott, Sejin Kim, Joshua Siraj, Caryn Geady, Matthew Boccalon, Mattea Welch, Mogtaba Alim, Andrew J. Hope, Benjamin Haibe-Kains ·

    阴性对照揭示影像组学和影像基础模型特征中的体积驱动混淆

    arXiv:2607.28423v1 Announce Type: cross Abstract: Radiomics and imaging foundation models promise non-invasive biomarkers of tumour biology, yet predictive signatures may reflect tumour volume or acquisition artifacts rather than meaningful image structure. We introduce READII-2-…

相关话题