医学图像分类中的阶级不平衡:朝着更好的差别和校准性能评估实践的方向
Candelaria Mosquera1,2, Luciana Ferrer3, Diego H Milone4
1Hospital Italiano de Buenos Aires, Buenos Aires, Argentina. candelaria.mosquera@hospitalitaliano.org.ar.
European radiology
|June 11, 2024
概括
医学成像分类器的标准评估指标,特别是胸部X射线,往往忽视了阶级不平衡. 这项研究表明,这些做法可以掩盖少数群体的表现不佳,影响临床决策. 为了更好的准确性,提出了新的指标.
科学领域:
- 医学成像分析分析 医学成像分析
- 机器学习在医疗保健中的应用
- 放射学诊断 放射学诊断 放射学诊断 放射学诊断
背景情况:
- 医学成像分类器对于诊断至关重要.
- 阶级不平衡是医疗数据集中常见的挑战.
- 当前的评估实践可能无法充分解决这种不平衡.
研究的目的:
- 评估医学成像分类器的标准评估实践.
- 调查阶级不平衡对绩效指标的影响.
- 建议改善胸部X射线分类器的评估策略.
主要方法:
- 进行了对X射线分类器评估实践的文献综述.
- 在两个大型胸部X射线数据集上进行系统的实验.
- 在不同类比下分析性能指标.
主要成果:
- 普遍的指标是由多数阶级主导的,掩盖了少数阶级的表现.
- 校准研究尽管具有临床重要性,但并不常见.
- 现有的评估实践可能不反映现实世界的临床表现.
结论:
- 对于不平衡的医学成像数据集,需要加强评估实践.
- 推其他补充指标,如AUC-PR和平衡的Brier评分.
- 精细的指标可以更准确地描述临床环境中的分类器性能.
更多相关视频
07:03Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
Published on: February 23, 2017
7.7K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
