A Review of Uncertainty Estimation and its Application in Medical Imaging

要約

病気の早期スクリーニングのために医療分野で AI システムを使用することは、臨床的に非常に重要です。
ディープラーニングは医療画像処理において大きな期待を寄せていますが、AI システムの信頼性と信頼性により、患者の安全が危機に瀕する実際の臨床現場への導入は制限されています。
不確実性の推定は、深層モデルの予測とともに信頼性評価を生成する際に極めて重要な役割を果たします。
これは、モデルの予測の不確実性を使用して懸念領域を特定したり、臨床医に追加情報を提供したりできる医療画像処理において特に重要です。
この論文では、偶然の不確実性と認識上の不確実性を含む、深層学習におけるさまざまなタイプの不確実性をレビューします。
さらに、医療画像でそれらを推定する方法について説明します。
さらに重要なのは、医療画像における不確実性推定を組み込んだ深層学習モデルの最近の進歩をレビューすることです。
最後に、医療画像用ディープラーニングにおける不確実性推定における課題と今後の方向性について説明します。
私たちは、このレビューがコミュニティのさらなる関心を呼び起こし、医療画像における不確実性推定モデルの応用に関する最新の参考資料を研究者に提供することを願っています。

要約(オリジナル)

The use of AI systems in healthcare for the early screening of diseases is of great clinical importance. Deep learning has shown great promise in medical imaging, but the reliability and trustworthiness of AI systems limit their deployment in real clinical scenes, where patient safety is at stake. Uncertainty estimation plays a pivotal role in producing a confidence evaluation along with the prediction of the deep model. This is particularly important in medical imaging, where the uncertainty in the model’s predictions can be used to identify areas of concern or to provide additional information to the clinician. In this paper, we review the various types of uncertainty in deep learning, including aleatoric uncertainty and epistemic uncertainty. We further discuss how they can be estimated in medical imaging. More importantly, we review recent advances in deep learning models that incorporate uncertainty estimation in medical imaging. Finally, we discuss the challenges and future directions in uncertainty estimation in deep learning for medical imaging. We hope this review will ignite further interest in the community and provide researchers with an up-to-date reference regarding applications of uncertainty estimation models in medical imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google