一篇新的研究论文评估了用于分割先天性心脏病(CHD)解剖结构的深度学习模型的分布外(OOD)泛化能力。研究发现,分布内性能是跨队列鲁棒性的一个糟糕的预测指标,其中nnU-Net在验证集上得分很高,但在一个独立的数据集(ImageCHD)上性能显著下降。SwinUNETR展示了更好的泛化能力,并且其性能在有限的目标域监督下得到了显著提升。 AI
影响 强调了在医学AI中进行稳健的分布外评估对于确保可靠的临床部署至关重要。
排序理由 该集群包含一篇学术论文,详细介绍了对AI模型在医学成像任务上的泛化能力进行的系统性评估。
- arXiv
- congenital heart disease
- ImageCHD
- nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation
- Shrisharanyan Vasu
- SwinUNETR
- cardiac magnetic resonance imaging
- computed tomography
- Hugging Face
- Mae
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →