一篇新近发表在arXiv上的研究论文,对医学图像分析中置信区间(CIs)的可靠性和精确性进行了调查。研究人员对24个分割和分类任务进行了大规模实证分析,每个任务使用19个模型,并采用了多种性能指标和CI方法。研究结果表明,可靠CI所需的样本量差异显著,并且CI的行为受到性能指标选择、聚合策略以及具体机器学习问题(分割与分类)的严重影响。该研究旨在提供一个决策树,指导社区在报告性能不确定性时选择合适的CI方法,为未来的共识指南铺平道路。 AI
影响 这项研究为量化医学影像中AI模型的不确定性提供了关键见解,这对于其安全可靠的临床应用至关重要。
排序理由 该集群包含一篇发表在arXiv上的研究论文,详细介绍了对医学图像分析中置信区间的实证分析。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Charles J. Heitzman
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →