【MICCAI 2023教程】医学图像分析中的不确定性量化

这个MICCAI 2023为期半天的教程旨在通过提供关于不确定性量化和模型校准技术的宝贵见解，促进科学界关于深度学习（DL）模型预测的可靠性的讨论，从而做出可靠的决策。该教程结合了该领域专家的讲座和实践操作环节。 参与者将全面了解不确定性量化，涵盖数学基础和前沿研究问题，同时获取用于在医学图像分析中导出最先进的不确定性估计的实用工具。 我们相信，这个教程对于旨在增强其DL模型的鲁棒性和可靠性的科学家、临床医生和工业专家来说是一个必不可少的资源。 这个教程将使参与者从不确定性量化的基础知识到该领域的最新方法，了解各种主题。我们期望教程的参与者能够发展出以下能力： • 对机器学习中不确定性量化的基本概念和该领域的分类图的深入了解。 • 能够区分不同的不确定性来源。 • 了解和实施若干经过验证的不确定性量化技术的数学基础。 • 了解对Out-of-Distribution数据的鲁棒性和检测，以及模型校准的任务。 • 利用多重注释进行不确定性量化的建模和利用。 • 超出分类或分割的量化知识，基于一致性预测的基础知识。 第1部分：不确定性、分布转移和鲁棒性简介由 Andrey Malinin 主讲 问题描述：错误和不确定性的来源，分布转移 被动和主动解决方案的概述 分类、常见的混淆、模棱两可和误解 第2部分：不确定性量化技术及实践教程由 Vatsal Raina 和 Nataliia Molchanova 主讲 从贝叶斯的角度看不确定性量化 (UQ) 医学图像分析中的 UQ 方法 实践操作环节 UQ 在实际任务中的应用 第3部分：模型校准技术及实践教程由 Adrian Galdran 和 Meritxell Riera i Marín 主讲 校准：什么、何时和为什么？ 校准的可视化和测量 提高校准 实践操作环节 讲者: