本研究では、nnU-Netの不確実性推定のための新しい手法を提案した。従来のMonte Carlo Dropoutやmean-field Bayesian Neural Networksとは異なり、提案手法はnnU-Netのアーキテクチャを変更せずに、効率的にベイズ推論を実現する。
具体的には、確率的勾配降下法(SGD)の最適化過程で得られる重みの軌跡を利用して、重みの事後分布をサンプリングする。さらに、学習率のサイクリック変化を導入することで、重みの多峰性を捉えることができる。
提案手法は、公開データセットACDCおよびM&Mを用いた実験で、既存手法と比較して優れた不確実性推定性能を示した。また、多峰性を考慮した重み平均化により、nnU-Netの精度も向上させることができた。
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Yidong Zhao,... a las arxiv.org 05-01-2024
https://arxiv.org/pdf/2212.06278.pdfConsultas más profundas