文件名称：perception_comparison:人与机器知觉在医学诊断中的差异
文件大小：13.15MB
文件格式：ZIP
更新时间：2024-06-09 04:05:14
deep-neural-networks deep-learning medical-imaging medical-image-processing breast-cancer
人与机器知觉在医学诊断中的差异 该存储库伴随我们的论文。 在本文中，我们提出了一个在医学诊断中比较人机感知和机器感知的框架，并通过乳腺癌筛查的案例研究进行了演示。 该存储库包含从案例研究中复制结果所必需的数据和代码。 包含三个部分： probabilistic_inference.py ：我们收集了放射学家和DNN对筛查受高斯低通滤波干扰的乳房X线照片的预测（图1a–b）。 预测在data/observed_predictions中提供，有关详细信息，请参见下文。 我们将概率建模应用于这些预测，以便隔离低通滤波对其预测的影响（图1d）。 perturbation_study_analysis.py ：我们从概率模型中进行抽样，并比较放射科医生和DNN在预测置信度和类别可分离性方面的优势（图1e-f）。 annotation_study_analysis.py ：放射科医生注释了感兴趣
【文件预览】：
perception_comparison-main
----cfg()
--------probabilistic_inference()
--------perturbation_study_analysis()
--------annotation_study_analysis()
----reproduce_results.ipynb(131KB)
----code()
--------perturbation_study_analysis.py(7KB)
--------probabilistic_inference.py(8KB)
--------utils.py(4KB)
--------__init__.py(0B)
--------fourier_filter.py(958B)
--------annotation_study_analysis.py(5KB)
----LICENSE(34KB)
----README.md(7KB)
----data()
--------annotation_study_idxs.pkl(334B)
--------screening_mammogram.png(7.72MB)
--------exam_info.csv(36KB)
--------framework.svg(2.25MB)
--------observed_predictions()
----fourier_filter.ipynb(78KB)