跳到正文
原文
medRxiv 预印本· Jung, G., Heo, Y.-R., Hu, K.-S., Kim, H.-J. ·· 13 天前AI 评分22

口内超声深度学习模型在合成遮挡下表现分化:EfficientNet-B0置信度与归因可重复性研究

Similar discrimination, different behaviour under synthetic occlusion: confidence and attribution reproducibility of deep learning models for intraoral ultrasonography

AI 导读

基于40名健康志愿者477张口内超声图像的研究显示,五种架构的AUC均值虽相近(0.958-0.972),但EfficientNet-B0在50种边界遮挡条件中有49种AUC跌破0.60,其他架构仅0-2种。50%遮挡下该模型错误预测的平均置信度升至0.989,期望校准误差从0.094升至0.478,两次推理的遮挡AUC差异最高达0.161。归因模式在不同训练种子与方法间存在变异。

来源:medRxiv 预印本 · medrxiv.org