面向不确定性感知的前列腺癌检测的跨切片注意力和证据关键损失
原文中文，约400字，阅读约需1分钟。发表于：。提出一种新颖的 2.5D 跨切片注意力模型，利用全局和局部信息以及证据关键性损失进行证据深度学习，用于检测前列腺癌的 MR 图像，该癌症为男性常见的癌症之一，并且是导致癌症相关死亡的主要原因之一。在两种不同数据集上广泛实验，取得了前列腺癌的最先进检测性能，并改善了确定性不确定性估计。
深度证据学习在放射治疗剂量预测中具有潜力，提供统计稳健性。模型校准能力优于其他方法，对于加入高斯噪声的CT强度，aleatoric不确定性表现出显著分布变化。研究展示了使用该模型构建预测剂量体积直方图的置信区间。
