VIDS-Seg

新的VIDS-Seg方法提高了儿科心脏成像中的AI安全性

研究人员开发了VIDS-Seg，一种用于医学图像分割的不确定性量化新方法，特别针对儿科心脏超声。该方法基于VIDS框架，使用摊销变分推断来适应分布变化，使模型能够识别其在儿童等代表性不足的亚组上可能失败的情况。在左心室分割测试中，VIDS-Seg在保持基线准确性的同时，提供了更可靠的与分割误差相关的估计不确定性，从而实现了更稳定的射血分数估计和对婴儿心脏功能障碍的更好检测。