实体
NIH ChestX-ray14
NIH ChestX-ray14
PulseAugur coverage of NIH ChestX-ray14 — every cluster mentioning NIH ChestX-ray14 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
新方法量化黑盒视觉模型的不确定性
研究人员开发了SpatialUQ，一种用于黑盒视觉模型的新型事后不确定性量化方法，尤其是在临床环境中。该方法通过测量全局预测与固定空间裁剪预测之间的差异来衡量不确定性，假设可信的预测在空间上是一致的。在NIH ChestX-ray14数据集上，SpatialUQ在检测故障和校准方面表现优于MC Dropout，同时计算量显著减少。该技术在识别弥漫性病变方面显示出潜力，但对于小的局灶性病变可能不太可靠。
-
新的GRAPE架构通过图增强解释提升医学影像诊断能力
研究人员开发了GRAPE（图增强原型解释）架构，这是一种旨在改进医学影像诊断系统的新型架构。GRAPE通过模拟解剖概念的共现、实施冲突发现的安全检查以及在无需完全重新训练的情况下添加新发现，解决了现有基于原型的分类器的局限性。该方法在TBX11K和NIH ChestX-ray14等基准数据集上显示出准确性和效率的显著提高。
-
新方法将机器学习模型交互分解为独特性、冗余性和协同性
研究人员开发了一种名为 Stochastic Hi-Fi 的新方法，以更好地理解机器学习模型内的交互。该技术将特征重要性分解为独特性、冗余性和协同性，解决了现有标量交互分数的局限性。Stochastic Hi-Fi 在恢复基线方法所遗漏的复杂结构方面显示出潜力，并已应用于分析 GPT-2 IOI 电路和医学成像数据集。