Detail publikace
Evaluating deep learning uncertainty measures in cephalometric landmark localization
Kodym Oldřich, Ing., Ph.D. (UPGM FIT VUT)
Cefalometrická analýza je klíčový krok při dentální diagnóze, plánování a operacích. Lokalizace bodů zájmu je důležitá ale náročná součást této analýzy. Hluboké učení dokáže tento proces automatizovat, ale neposkytuje měřítko nejistoty odhadu. Tato práce vyhodnocuje tři způsoby odhadu nejistoty aplikovatelné v hlubokém učení. Porovnáváme odhad nejistoty založen na aktivacích finální sítě s metodou založenou na ensemble metodě a na Bayesovské metodě. Provádíme dva experimenty s elasticky zkreslenými cefalogramy a s cefalogramy obsahujícími nežádoucí rotaci hlavy, které by model měl být schopen detekovat jako neznámé a nevhodné pro automatické vyhodnocení. Výsledky ukazují, že všechny tři metody jsou této detekce schopny a jsou vhodné, pokud je tento odhad vyžadován.
@INPROCEEDINGS{FITPUB12276, author = "Du\v{s}an Drevick\'{y} and Old\v{r}ich Kodym", title = "Evaluating deep learning uncertainty measures in cephalometric landmark localization", pages = "213--220", booktitle = "Proceedings of the 13th International Joint Conference on Biomedical Engineering Systems and Technologies - Volume 2: BIOIMAGING", year = 2020, location = "Valetta, ", publisher = "Institute for Systems and Technologies of Information, Control and Communication", ISBN = "978-989-758-398-8", doi = "10.5220/0009375302130220", language = "english", url = "https://www.fit.vut.cz/research/publication/12276" }