Mendeley LBC dataset

New calibration method boosts AI reliability in imbalanced medical datasets

研究人员开发了一种新方法，用于提高分类模型的可靠性，特别是在数据不平衡的情况下，例如宫颈细胞学检查。该研究聚焦于Mendeley LBC数据集，使用了其原生的四类Bethesda分类法。通过采用事后温度缩放进行校准，模型在校准误差和Brier分数方面显著降低，而区分度指标基本不受影响。研究结果表明，在这种情况下，适当的校准比集成模型的大小对可靠性更重要，尽管数据集的规模不大需要考虑。