Bomatter与Gouk基准:EEG判别式OOD检测近随机,生成式有效
[Daily Paper] OOD Detection for EEG-based Machine Learning in High-Risk Environments
AI 导读
Bomatter 与 Gouk 的基准研究评估了临床 EEG 模型的 OOD 检测方法,发现判别式检测器在现实协变量偏移下接近随机水平(AUROC≈0.50),SITN 等生成式潜空间方法大幅领先。研究在 TUAB(2300 余人)和 CAUEEG(1122 人)上施加采样率偏移、通道置换、重参考和高低通滤波五类受控扰动。在 TUAB 上,SITN 于 Cz 重参考偏移下 AUROC 达 0.998,MSP 仅 0.517。MSP 还表现出过度自信异常,在 TUAB 200 Hz 重采样偏移的混合数据上,其最高置信 0.1% 区间的准确率跌至 47.0%。论文据此提出两阶段拒答管线,先用 SITN 过滤不熟悉数据,再用校准后的 MSP 评估不确定性,不达标即转交人类神经科医生,在 200 Hz 偏移的 50/50 混合测试池上以 43.7% 覆盖率将准确率从 67.5% 提至 84.1%。