研究人员开发了SpurCon，一个旨在提高医学影像深度神经网络可靠性和鲁棒性的新框架。该方法解决了模型利用虚假相关性（例如与病理共现的伪影）的问题，这会损害临床信任，尤其是在小型或不平衡的数据集中。SpurCon利用加权监督对比损失公式WtSupCon和一种快速少样本程序来估计虚假标签，而无需广泛的网络训练。通过根据病理和元数据组合分配样本特定权重，SpurCon增强了表示几何，从而在Waterbirds、CheXpert和ISIC 2020等数据集上提高了最差组和整体准确性。 AI
影响 增强医学影像AI模型的鲁棒性，可能增加临床信任和采用率。
排序理由 研究论文，详细介绍了一种提高医学影像AI模型鲁棒性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
