UATTA-ENS: Uncertainty Aware Test Time Augmented Ensemble for PIRC Diabetic Retinopathy Detection

要約

Deep Ensemble Convolutional Neural Networksは、糖尿病性網膜症の診断など、医師と同等の診断能力を持つ医用画像解析のための手法として注目されている。しかし、一般的に使用されている手法は決定論的であるため、予測の不確実性を推定することができません。モデルの不確実性を定量化することは、誤診のリスクを低減するために極めて重要です。信頼性の高いアーキテクチャは、過信した予測を避けるために、十分に較正されている必要があります。これを解決するために、我々は信頼性の高い、よく較正された予測を生成するために、UATA-ENS: Uncertainty-Aware Test-Time Augmented Ensemble Technique for 5 Class PIRC Diabetic Retinopathy Classificationを提案する。

要約(オリジナル)

Deep Ensemble Convolutional Neural Networks has become a methodology of choice for analyzing medical images with a diagnostic performance comparable to a physician, including the diagnosis of Diabetic Retinopathy. However, commonly used techniques are deterministic and are therefore unable to provide any estimate of predictive uncertainty. Quantifying model uncertainty is crucial for reducing the risk of misdiagnosis. A reliable architecture should be well-calibrated to avoid over-confident predictions. To address this, we propose a UATTA-ENS: Uncertainty-Aware Test-Time Augmented Ensemble Technique for 5 Class PIRC Diabetic Retinopathy Classification to produce reliable and well-calibrated predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL