English(EN) VIDS-Seg: Towards Reliable Uncertainty Quantification in Pediatric Cardiac Ultrasound Segmentation

新的VIDS-Seg方法提高了儿科心脏成像中的AI安全性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-12 04:00

研究人员开发了VIDS-Seg，一种用于医学图像分割的不确定性量化新方法，特别针对儿科心脏超声。该方法基于VIDS框架，使用摊销变分推断来适应分布变化，使模型能够识别其在儿童等代表性不足的亚组上可能失败的情况。在左心室分割测试中，VIDS-Seg在保持基线准确性的同时，提供了更可靠的与分割误差相关的估计不确定性，从而实现了更稳定的射血分数估计和对婴儿心脏功能障碍的更好检测。 AI

影响通过使模型能够在不重新训练的情况下检测代表性不足的患者群体的失败情况，增强了医学应用中的AI安全性。

排序理由该集群包含一篇研究论文，详细介绍了医学图像分割中不确定性量化的一种新方法。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Paul Fischer, Ece Ozkan · 2026-08-12 04:00

VIDS-Seg：迈向儿科心脏超声分割中可靠的不确定性量化

arXiv:2608.10903v1 Announce Type: cross Abstract: Reliable clinical deployment of machine learning requires models that know when they are likely to fail, particularly for subgroups underrepresented in training data. A common case is pediatric care, where models trained on adult …

报道来源 [1]

VIDS-Seg：迈向儿科心脏超声分割中可靠的不确定性量化

相关实体

相关话题