实体
Counterfactual Stress Testing for Image Classification Models
Counterfactual Stress Testing for Image Classification Models
PulseAugur coverage of Counterfactual Stress Testing for Image Classification Models — every cluster mentioning Counterfactual Stress Testing for Image Classification Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架使用因果模型对医学影像中的AI进行现实的压力测试
研究人员开发了一个新的反事实压力测试框架，使用因果生成模型来评估深度学习模型在医学影像中的鲁棒性。该方法通过改变扫描仪类型或患者人口统计信息等属性来创建现实的“假设”场景，与传统的扰动方法相比，能更准确地预测实际性能。该框架在评估各种成像模态和模型架构的分布外性能方面表现出卓越的准确性，表明其在部署前进行受控评估的实用性。
-
新的反事实压力测试改进了医疗AI的鲁棒性评估
研究人员开发了一种新的压力测试图像分类模型的方法，特别是在医学成像领域，以解决因分布变化引起的问题。这个反事实压力测试框架使用因果生成模型，通过改变扫描仪类型或患者性别等属性，同时保持解剖结构的完整性，来创建现实的“假设”场景。在胸部X光片和乳房X光片数据上的实验表明，与传统的扰动方法相比，这种方法能更准确地评估分布外性能，为AI系统部署前提供更可靠的评估。