Bài báo này nêu bật khó khăn trong việc ước tính chính xác các tham số chuyển động không nhất quán nội thể (IVIM) trong MRI có trọng số khuếch tán (DMR) do tính bất ổn của bài toán nghịch đảo và độ nhạy cao với nhiễu, đặc biệt là trong khoang tưới máu. Để giải quyết vấn đề này, chúng tôi đề xuất một khuôn khổ học sâu xác suất dựa trên các tập hợp sâu (DE) của Mạng mật độ hỗn hợp (MDN). Khuôn khổ này ước tính độ không chắc chắn dự đoán tổng thể và phân tích nó thành độ không chắc chắn ẩn dụ (AU) và độ không chắc chắn nhận thức (EU). Phương pháp đề xuất được đánh giá so với các mạng nơ-ron phi xác suất, các phương pháp khớp Bayes và các mạng xác suất với tham số hóa Gauss đơn. Học có giám sát được thực hiện bằng cách sử dụng dữ liệu tổng hợp và các đánh giá được thực hiện trên các tập dữ liệu mô phỏng và in vivo. Độ tin cậy của độ không chắc chắn định lượng được đánh giá bằng cách sử dụng các đường cong hiệu chuẩn, độ sắc nét của phân phối đầu ra và điểm xác suất hạng liên tục (CRPS). MDN tạo ra các phân phối dự đoán được hiệu chỉnh nhiều hơn và sắc nét hơn cho các tham số hệ số khuếch tán D và phân số f, nhưng đã quan sát thấy sự tự tin quá mức nhẹ đối với hệ số khuếch tán giả D. Biến thiên hệ số mạnh mẽ (RCV) chỉ ra các ước tính in vivo mượt mà hơn của D khi sử dụng MDN so với mô hình Gaussian. Mặc dù dữ liệu đào tạo bao gồm phạm vi sinh lý dự kiến, EU in vivo cao cho thấy sự khác biệt với các điều kiện thu thập thực tế và làm nổi bật tầm quan trọng của tích hợp EU do DE cho phép. Nhìn chung, bài báo này trình bày một khuôn khổ toàn diện để khớp IVIM thông qua định lượng sự không chắc chắn, cho phép xác định và diễn giải các ước tính không đáng tin cậy. Phương pháp được đề xuất cũng có thể được áp dụng cho các khớp mô hình vật lý khác với các điều chỉnh mô phỏng và kiến trúc phù hợp.
