数据稀缺条件下基于随机化归纳共形预测的生物医学传感可靠性评估方法
《Sensors》:Robust Prediction-Reliability Assessment in Biomedical Sensing and Classification Under Data Scarcity Using Conformal Prediction and Statistical Randomization
【字体:
大
中
小
】
时间:2026年10月15日
来源:Sensors 4.0
编辑推荐:
摘要
可靠的预测可靠性评估在生物医学传感和测量应用中至关重要,在这些应用中,机器学习模型日益将成
摘要
可靠的预测可靠性评估在生物医学传感和测量应用中至关重要,在这些应用中,机器学习模型日益将成像、生理、化学和分子测量转化为具有临床意义的预测。由于传感器采集、实验测量和专家标注可能代价高昂,此类应用通常面临有限标注数据的限制,而生物变异性和测量变异性会进一步增加模型开发的难度。在这些条件下,基于标准归纳共形预测(ICP)的可靠性得分对可用数据中划分训练子集和校准子集的特定方式较为敏感。为了解决这一问题,我们提出了三种随机化ICP变体:自助法共形预测(BICP)、随机化共形预测(RICP)和袋外共形预测(OOB-ICP),以在数据稀缺条件下提升共形派生的预测可靠性得分的信息量与重复采样稳定性。我们通过一项受控模拟和三项真实生物医学传感与测量应用对上述方法进行了基准测试:基于X光成像的肺炎诊断、基于16通道半导体电子鼻气体传感系统的替代草药分类,以及基于RNA-seq分子测量的乳腺癌分型。结果表明,所提出的方法所产生的综合可信度得分能够反映预测的正确性,并且对训练数据采样的随机性敏感度较低。经验预测集覆盖率分析进一步刻画了聚合共形度得分相对于名义误差水平的行为特征,而不假设其保留传统共形p值的精确有限样本有效性。在所评估的方法中,OOB-ICP取得了较强的整体分类性能以及具有信息量且稳定的预测可靠性得分,支持统计随机化作为在生物医学传感和测量应用中有限训练数据条件下稳定共形派生可靠性评估的实用策略。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号