Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

MULAN: multimodal protein language model for sequence and structure encoding.

Bioinformatics advances·2025
Same author

Adaptation to CT Reconstruction Kernels by Enforcing Cross-Domain Feature Maps Consistency.

Journal of imaging·2022
查看所有相关文章

相关实验视频

Updated: Jul 15, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.8K

在3D医疗图像细分中的分布外检测的局限性

Anton Vasiliuk1,2, Daria Frolova2,3, Mikhail Belyaev2,3

  • 1Moscow Institute of Physics and Technology, Moscow 141701, Russia.

Journal of imaging
|September 27, 2023
PubMed
概括

在3D医学成像细分中,分布外 (OOD) 检测是不可靠的. 一种新的强度组图特征 (IHF) 方法显示了在关键医疗应用中改善OOD检测性能的希望.

关键词:
检测异常检测异常检测计算机断层扫描 (CT) 是一种计算机断层扫描.磁共振成像技术的使用在分销之外的检测检测.细分化 细分化的细分化

更多相关视频

Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions
06:18

Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions

Published on: April 5, 2024

1.1K
Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
04:25

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Published on: December 15, 2023

2.5K

相关实验视频

Last Updated: Jul 15, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.8K
Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions
06:18

Author Spotlight: Segmentation and VR for Advanced Neurovascular Interventions

Published on: April 5, 2024

1.1K
Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
04:25

Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies

Published on: December 15, 2023

2.5K

科学领域:

  • 医疗成像医学成像
  • 人工智能的人工智能
  • 计算机视觉 计算机视觉

背景情况:

  • 深度学习模型在与其训练数据不同的分布数据上的性能下降.
  • 在医疗成像等关键应用中,OOD检测至关重要,以防止错误的预测.
  • 现有的OOD检测方法尚未对3D医疗图像细分任务进行彻底评估.

研究的目的:

  • 在3D医疗图像细分的背景下,研究OOD检测方法的有效性.
  • 确定当前OOD检测技术在3D医学成像中应用时的局限性.
  • 提出一种新的,有效的基线方法,用于OOD检测在这个领域.

主要方法:

  • 设计了几项OOD挑战,模拟了3D医学图像细分的临床相关场景.
  • 评估了一般的OOD检测方法和专门为细分设计的方法.
  • 开发并测试了一种基于强度分布的新方法,强度组图特征 (IHF).

主要成果:

  • 评估的OOD检测方法中没有一种在设计的3D医学图像细分挑战中达到可接受的性能.
  • 一般的OOD方法表现不佳,最好的平均假阳性率 (FPR) 在95%真阳性率 (TPR) 的0.59.
  • 针对细分的专用方法显示出低于最佳的性能 (最佳FPR平均值:0.31),而拟议的IHF方法取得了可比或更好的结果 (平均FPR:0.25).

结论:

  • 现有的OOD检测方法对3D医学图像细分有重大局限性.
  • 拟议的强度直方图特征 (IHF) 方法为OOD检测在这个领域提供了一个有希望和有效的基线.
  • 该研究发布了一个基准数据集和评估标准,以推进用于3D医学成像的OOD检测研究.