Fugu-MT 論文翻訳(概要): Variational Inference and Bayesian CNNs for Uncertainty Estimation in Multi-Factorial Bone Age Prediction

論文の概要: Variational Inference and Bayesian CNNs for Uncertainty Estimation in Multi-Factorial Bone Age Prediction

arxiv url: http://arxiv.org/abs/2002.10819v1
Date: Tue, 25 Feb 2020 12:30:21 GMT
ステータス: 処理完了
システム内更新日: 2022-12-28 21:10:09.343472
Title: Variational Inference and Bayesian CNNs for Uncertainty Estimation in Multi-Factorial Bone Age Prediction
Title（参考訳）: 多施設骨年齢予測における不確かさ推定のための変分推定とベイズCNN
Authors: Stefan Eggenreich, Christian Payer, Martin Urschler, Darko \v{S}tern
Abstract要約: 法医学では、識別文書が入手できないアプリケーションにおいて、未知の時系列(CA)を評価するために生物学的年齢(BA)が用いられる。我々は変分推論手法を用いてベイズCNNモデルの不確かさを推定した。
参考スコア（独自算出の注目度）: 1.0323063834827415
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Additionally to the extensive use in clinical medicine, biological age (BA) in legal medicine is used to assess unknown chronological age (CA) in applications where identification documents are not available. Automatic methods for age estimation proposed in the literature are predicting point estimates, which can be misleading without the quantification of predictive uncertainty. In our multi-factorial age estimation method from MRI data, we used the Variational Inference approach to estimate the uncertainty of a Bayesian CNN model. Distinguishing model uncertainty from data uncertainty, we interpreted data uncertainty as biological variation, i.e. the range of possible CA of subjects having the same BA.
Abstract（参考訳）: 臨床医学における広範な使用に加えて、法医学における生物学的年齢(ba)は、識別文書が入手できない場合の未知の年代年代(ca)を評価するために用いられる。論文で提案されている年齢推定の自動手法は,予測の不確実性の定量化を伴わずに誤解を招くような予測点推定である。 MRIデータを用いた多要素年齢推定法では,変分推論法を用いてベイズCNNモデルの不確かさを推定した。モデルの不確かさとデータの不確かさを区別し、データの不確かさを生物学的変動、すなわち同じbaを持つ被験者のca範囲と解釈した。

関連論文リスト

SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-07-24T04:47:36Z)
One step closer to unbiased aleatoric uncertainty estimation [71.55174353766289]
そこで本研究では,観測データのアクティブデノイズ化による新しい推定手法を提案する。幅広い実験を行うことで,提案手法が標準手法よりも実際のデータ不確実性にはるかに近い近似を与えることを示す。
論文参考訳（メタデータ） (2023-12-16T14:59:11Z)
Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
論文参考訳（メタデータ） (2023-01-03T11:34:36Z)
Uncertainty estimation for out-of-distribution detection in computational histopathology [0.0]
距離認識不確実性推定法は, 一般的に用いられている手法より優れていることを示す。また,不確実性しきい値を用いた分布外サンプルの選択的予測も検討した。
論文参考訳（メタデータ） (2022-10-18T14:49:44Z)
Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文参考訳（メタデータ） (2021-11-22T08:54:10Z)
DEUP: Direct Epistemic Uncertainty Prediction [56.087230230128185]
認識の不確実性は、学習者の知識の欠如によるサンプル外の予測エラーの一部である。一般化誤差の予測を学習し, aleatoric uncertaintyの推定を減算することで, 認識的不確かさを直接推定する原理的アプローチを提案する。
論文参考訳（メタデータ） (2021-02-16T23:50:35Z)
Diagnostic Uncertainty Calibration: Towards Reliable Machine Predictions in Medical Domain [20.237847764018138]
本稿では,ラベルの不確実性の存在下でのクラス確率推定(CPE)の評価フレームワークを提案する。また,レータ間不一致を含む高次統計量の評価指標を定式化した。提案手法は,不確実性推定の信頼性を著しく向上させることを示す。
論文参考訳（メタデータ） (2020-07-03T12:54:08Z)
Uncertainty estimation for classification and risk prediction on medical tabular data [0.0]
本研究は,医療データの分類とリスク予測のための不確実性推定の理解を深めるものである。医療などのデータ共有分野において、モデルの予測の不確実性を測定する能力は、意思決定支援ツールの改善につながる可能性がある。
論文参考訳（メタデータ） (2020-04-13T08:46:41Z)
Uncertainty-Aware Variational-Recurrent Imputation Network for Clinical Time Series [5.485209961772906]
本稿では,命令と予測ネットワークを統一する新しい変分再帰型計算ネットワークを提案する。具体的には,変数間の分布に基づく計算モデルと,時間的関係を利用する再帰的計算ネットワークを利用する。
論文参考訳（メタデータ） (2020-03-02T05:12:38Z)
Uncertainty-Gated Stochastic Sequential Model for EHR Mortality Prediction [6.170898159041278]
本稿では,欠落変数の分布を推定し,隠れ状態の更新を行い,院内死亡の可能性を予測できる新しい変動再帰ネットワークを提案する。我々のモデルは、これらの手順を1つのストリームで実行し、エンドツーエンドで全てのネットワークパラメータを共同で学習できることは注目に値する。
論文参考訳（メタデータ） (2020-03-02T04:41:28Z)
Learning to Predict Error for MRI Reconstruction [67.76632988696943]
提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
論文参考訳（メタデータ） (2020-02-13T15:55:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。