用于二维MRI分割的贝叶斯神经网络
Bayesian Neural Networks for 2D MRI Segmentation
AI总结：
针对医学图像分割这类安全关键场景的不确定性量化需求，提出融合贝叶斯神经网络与注意力机制的MRI分割模型BA U-Net，经BraTS 2020验证可输出准确可解释结果，满足医学成像置信度估计需求。
摘要：
不确定性量化对医学图像分割这类安全关键型深度学习应用至关重要。我们提出BA U-Net，这是一种面向MRI分割的不确定性感知模型，将贝叶斯神经网络与注意力机制相结合。BA U-Net可输出准确、可解释的结果，对可靠的病理筛查至关重要。该模型在BraTS 2020数据集上完成评估，满足了基于深度学习的医学成像对置信度估计的迫切需求。
英文摘要：
Uncertainty quantification is vital for safety-critical Deep Learning applications like medical image segmentation. We introduce BA U-Net, an uncertainty-aware model for MRI segmentation that integrates Bayesian Neural Networks with Attention Mechanisms. BA U-Net delivers accurate, interpretable results, crucial for reliable pathology screening. Evaluated on BraTS 2020, this model addresses the critical need for confidence estimation in deep learning-based medical imaging.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
