压力性损伤分期深度学习模型的跨数据集可靠性:六种架构的外部验证与预测错误分析
这项压力性损伤图像分期模型研究发现,六种卷积神经网络及Transformer架构在跨数据集验证时性能下降,且没有一种架构在外部验证中始终优于其他架构。研究经重复图像筛查等数据整理后,纳入PIID的1081张、HUMC的1844张及Kaggle的141张图像,在PIID或HUMC上训练后直接进行内部和外部验证,不额外微调或调整阈值;主要结局为宏平均F1分数的内外部泛化差距。
推荐理由:研究以三个压力性损伤图像数据集检验六种模型,揭示外部验证性能下降及分期高估、低估方向随数据集变化的特点。