基准测试不确定性及其在多标签胸部 X 光分类中的分解.pdfVIP

基准测试不确定性及其在多标签胸部X光分类中的

分解

SimonBaur,WojciechSamek,JackieMa

FraunhoferHeinrich-Hertz-Institut,10587Berlin,Germany

{simon.baur,wojciech.samek,jackie.ma}@hhi.fraunhofer.de

TechnischeUniversitätBerlin,10623Berlin,Germany

TheBerlinInstitutefortheFoundationsofLearningandData(BIFOLD),10587

Berlin,Germany

本

译摘要可靠的不确定性量化对于可信的决策制定和人工智能模型在医学成

中像中的部署至关重要。虽然先前的研究已经探讨了神经网络使用信息论方

法在合成或定义明确的数据设置（如自然图像分类）中量化预测性、认知

1

v性和随机不确定性的能力，但其在现实生活中的医疗诊断任务中的适用性

7仍鲜有研究。在这项研究中，我们利用MIMIC-CXR-JPG数据集为多标

5签胸部X光分类提供了一个广泛的不确定性量化基准。我们评估了13种

4

4不确定性量化方法，这些方法应用于卷积（ResNet）和基于变换器（视觉

0变换器）的架构，在一系列任务上进行了测试。此外，我们将证据深度学

.

8习、异类神经网络以及深层确定性不确定性扩展到了多标签设置中。我们

0

5的分析提供了关于不确定性估计效果及区分认知性和随机不确定性的能力

2的见解，揭示了方法和架构特有的优势和局限性。

:

v

iKeywords:不确定性量化·解缠·放射学

x

r

a

1介绍

深度神经网络已被广泛用于解决医学图像分析任务，如图像分类和分割

[17,30]。然而，在放射学等高风险应用中，模型必须满足严格的高标准以确

保可靠性和可信度。这些要求从多个角度发展而来，包括患者、医疗专业人

员和监管机构的需求。从技术角度看，全面的基准测试对于指导开发安全且

可解释的人工智能模型至关重要。在放射学中，AI辅助诊断可以达到人类

专家级别的表现[22]，但这类模型不确定性表达的研究通常不够深入。例如，

肺炎的AI分类出现假阴性可能导致延误救命治疗，而过于自信的AI预测则

可能引发不必要的干预措施。如FDA[26]等监管机构强调了对具有不确定意

2SimonBauretal.

识的人工智能系统的重要性，但在多标签医学成像中[16]，稳健的不确定性

量化仍处于探索不足的状态。尽管在评估人工智能模型的表现、鲁棒性和可

解释性[24,4]方面的关注日益增加，但不确定性量化（UQ）[9,1]仍然是模型

评价中的一个未充分探索方面。可靠的不确定性量化方法对于评估预测信心

至关重要，并最终提高临床实践中模型的可信度