BriefGPT - AI 论文速递
·
基于可解释归因和不确定性量化的双通道可靠乳腺超声图像分类
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究提出了一个基于推理可靠性和预测可靠性评分的双通道评估框架，用于乳腺超声图像分类。通过改进的特征归因算法和不确定性量化，验证了该框架在临床数据集和公共数据集上的有效性和鲁棒性。
🎯
关键要点
- 本研究针对乳腺超声图像的分类任务，研究了分类结果可靠性测量。
- 提出了一个基于推理可靠性和预测可靠性评分的双通道评估框架。
- 使用改进的特征归因算法 SP-RISA 进行推理可靠性评估。
- 通过不确定性量化和测试时间增强评估预测可靠性。
- 在乳腺超声临床数据集 YBUS 上验证了该框架的有效性。
- 在公共数据集 BUSI 上验证了该框架的鲁棒性。
- 两个数据集上的预期校准误差明显低于传统评估方法，证明了可靠性测量的有效性。
➡️
