PulseAugur
中
实时 20:12:20
English(EN) Uncertainty-Calibrated Explainable Artificial Intelligence for Fetal Ultrasound Plane Classification: A Systematic Review

研究发现：胎儿超声中的AI需要校准和可解释性

作者 PulseAugur 编辑部 · [1 个来源] ·

一项对2015年至2026年间发表的78项研究进行的系统评价，考察了可解释人工智能和不确定性量化在胎儿超声平面分类中的应用。虽然AI模型达到了0.93的汇集平衡准确率，但只有一小部分报告了校准或选择性预测。该评价提出了一个新的报告框架CALIB-XFUS，以确保在此高风险医疗领域中的AI系统得到妥善校准、解释和公平对待，符合FDA和欧盟等监管机构的期望。 AI

影响 确保高风险医疗应用中的AI系统符合安全性和可靠性的监管标准。

排序理由 系统评价论文发表在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 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]

  1. arXiv cs.CV TIER_1 English(EN) · Gustav Olaf Yunus Laitinen-Fredriksson Lundstr\"om-Imanov, Ozkan Gunalp ·

    Uncertainty-Calibrated Explainable Artificial Intelligence for Fetal Ultrasound Plane Classification: A Systematic Review

    arXiv:2601.00990v3 Announce Type: replace-cross Abstract: Fetal ultrasound is the cornerstone of antenatal care, and accurate recognition of a small set of standard anatomical planes underpins biometry, growth surveillance, and detection of structural anomalies. Deep learning cla…

相关实体

相关话题