Sumary

1） Agent with Warm Start and Active Termination for Plane Localization in 3D Ultrasound
强化学习框架下对B超标准面的获取导航
2）Uncertainty in medical image analysis
不确定估计问题，尤其是对医学图像分析，比如不同的医师对相同的医学图像分割标注时，极有可能不太一样，所以在训练模型时，推断结果往往应该是不确定的，以表达不同医师的答案。
当前大部分基于深度学习的医学图像分割、分类等方法只给出预测结果，而没有对该预测结果相应的置信度，即我们不知道模型对他的哪些预测结果是置信度高的，哪些是不太确定的。但在实际应用中，尤其是在临床中，医生希望模型给出预结果的同时，模型也能告诉医生预测的结果里哪些是肯定对的，哪些有点拿不准，这样的话医生就只需在那些模型不确定的地方话花精力复查，不用对模型所有的预测结果都挨个看一遍。

不确定性估计就在这个背景下应运而生，其目的是想要让我们知道自己训练出来的深度学习模型知道什么，不知道什么（let us know what our model knows and does not know）。

相关论文：
1-Assessing Reliability and Chanlleges of Uncertainly Estimations for Medical Image Segmentation
2-Improving Uncertainty Estimation in Convolution Neural Networks Using Inter-rater Agreement
3-PHiSeg: Capturing Uncertainty in Medical Image Segmention
4-Supervised Uncertainty Quantification for Segmentation with Mutiple Annotations
5-.......

https://github.com/JunMa11/MedUncertainty

参考知乎链接：
https://zhuanlan.zhihu.com/p/87955728
https://zhuanlan.zhihu.com/p/87974770