Stima dell'Incertezza per Automata Cellulari Neurali in Imaging Medico
Un nuovo studio su arXiv (2605.26726) propone resilience, un metodo per stimare l'incertezza di predizione in automata cellulari neurali (NCA) per la segmentazione di immagini mediche senza modificare l'architettura o riaddestrare. L'approccio considera NCA come un sistema dinamico in cui attrattori convergenti indicano predizioni sicure. Resilience sonda la stabilità delle predizioni finali sotto piccole perturbazioni dello stato dell'automa. Le predizioni che tornano alla stessa soluzione sono considerate sicure; quelle che cambiano sostanzialmente sono segnalate come incerte. Il metodo è valutato utilizzando metriche di predizione selettiva (ΔDice@90 e AURC) e misure di ranking.
Fatti principali
- Articolo arXiv 2605.26726
- Gli automata cellulari neurali (NCA) sono alternative leggere alle reti di segmentazione encoder-decoder
- Resilience misura l'incertezza di predizione senza modificare l'architettura o riaddestrare
- NCA visto come sistema dinamico con attrattori convergenti per predizioni sicure
- Resilience sonda la stabilità sotto piccole perturbazioni dello stato dell'automa
- Valutazione utilizza metriche ΔDice@90 e AURC
- Il metodo segnala predizioni incerte che cambiano sostanzialmente sotto perturbazione
Entità
Istituzioni
- arXiv