論文の概要: Estimating a Null Model of Scientific Image Reuse to Support Research Integrity Investigations

• arxiv url: http://arxiv.org/abs/2003.00878v1
• Date: Sat, 22 Feb 2020 02:41:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 18:44:26.584594
• Title: Estimating a Null Model of Scientific Image Reuse to Support Research Integrity Investigations
• Title（参考訳）: 研究整合性調査を支援する科学画像再利用のヌルモデルの推定
• Authors: Daniel E. Acuna and Ziyue Xiang
• Abstract要約: 全ての科学的画像に対してランダムに発生する確率を統計的に推定することにより、画像の特徴の出現率を予測する方法を提供する。 本手法は, 科学的画像再利用のためのヌル仮説を提供し, 検討中にp値を与えることにより, 研究の完全性調査において有意義なフィードバックを導出できることを示す。
• 参考スコア（独自算出の注目度）: 1.2691047660244335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When there is a suspicious figure reuse case in science, research integrity investigators often find it difficult to rebut authors claiming that "it happened by chance". In other words, when there is a "collision" of image features, it is difficult to justify whether it appears rarely or not. In this article, we provide a method to predict the rarity of an image feature by statistically estimating the chance of it randomly occurring across all scientific imagery. Our method is based on high-dimensional density estimation of ORB features using 7+ million images in the PubMed Open Access Subset dataset. We show that this method can lead to meaningful feedback during research integrity investigations by providing a null hypothesis for scientific image reuse and thus a p-value during deliberations. We apply the model to a sample of increasingly complex imagery and confirm that it produces decreasingly smaller p-values as expected. We discuss applications to research integrity investigations as well as future work.
• Abstract（参考訳）: 科学において不審な人物再利用事件がある場合、研究の完全性調査官はしばしば「偶然に起こった」と著者に反論することは困難である。 言い換えれば、画像の特徴の「衝突」がある場合、それがまれに現れるかどうかを正当化することは困難である。 本稿では,すべての科学的画像に対してランダムに発生する確率を統計的に推定することにより,画像特徴のララリティを予測する手法を提案する。 提案手法は,PubMed Open Access Subset データセットの 7 万画像を用いたORB 特徴量の高次元密度推定に基づく。 本手法は,科学的画像再利用のためのヌル仮説を提供することにより,研究整合性調査中に有意義なフィードバックが得られることを示す。 より複雑な画像のサンプルにモデルを適用し、予想通り小さくp値が小さくなることを確認した。 研究の完全性調査や今後の研究への応用について論じる。

関連論文リスト

• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Hypothesizing Missing Causal Variables with LLMs [55.28678224020973]
  我々は、入力が欠落変数を持つ部分因果グラフであるような新しいタスクを定式化し、出力は部分グラフを完成させるための欠落変数に関する仮説である。 原因と効果の間の媒介変数を仮説化するLLMの強い能力を示す。 また,オープンソースモデルの一部がGPT-4モデルより優れているという驚くべき結果も得られた。
  論文  参考訳（メタデータ） (2024-09-04T10:37:44Z)
• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Understanding Likelihood of Normalizing Flow and Image Complexity through the Lens of Out-of-Distribution Detection [5.279257531335347]
  より複雑な画像は潜在空間の高密度領域に集中し、正規化フロー(NF)において高い可能性を与える仮説を提案する。 我々は5つのNFアーキテクチャの有効性を実験的に証明し、その可能性は信頼できないと結論付けた。 画像の複雑さを独立変数として扱うことにより,この問題を緩和できることを示す。
  論文  参考訳（メタデータ） (2024-02-16T06:56:59Z)
• Synthetic Aperture Anomaly Imaging [2.9443230571766854]
  検出された異常は積分の異常を検出するよりも効果的であることを示す。 我々は、ブルーライトの組織や商用ドローンプラットフォームを使って、我々の発見を現実的に利用できるようにするリアルタイムアプリケーションを提案する。
  論文  参考訳（メタデータ） (2023-04-26T14:34:43Z)
• RetrievalGuard: Provably Robust 1-Nearest Neighbor Image Retrieval [84.33752026418045]
  本稿では, 対向性摂動に対して確実に頑健な1-nearest neighbor(NN)画像検索アルゴリズムであるRetrievalGuardを提案する。 このスムーズな検索モデルはリプシッツ定数を一定に保ち、従って検索スコアは$ell$逆転摂動に不変であることを示す。
  論文  参考訳（メタデータ） (2022-06-17T16:50:50Z)
• Image-to-Image Regression with Distribution-Free Uncertainty Quantification and Applications in Imaging [88.20869695803631]
  真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。 画像から画像への回帰を3つのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-10T18:59:56Z)
• Benchmarking Scientific Image Forgery Detectors [18.225190509954874]
  本稿では,研究コミュニティが報告した最も一般的な画像偽造操作を再現する,拡張可能なオープンソースライブラリを提案する。 我々は、富裕層を有する大規模な科学的偽画像ベンチマーク(39,423画像)を作成する。 さらに,画像重複による抽出論文の多さを考慮し,提案したデータセットにおける最先端のコピー・モーブ検出手法の評価を行った。
  論文  参考訳（メタデータ） (2021-05-26T22:58:20Z)
• Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
  新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。 標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。 原理的に部分観測可能なベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-12T20:37:33Z)
• A Question-Centric Model for Visual Question Answering in Medical Imaging [3.619444603816032]
  そこで本稿では,画像の問合せを質問文で行う視覚質問解答手法を提案する。 種々の医用・自然画像データセットを用いた実験により, 提案手法は, 画像特徴と疑問特徴を新しい方法で融合させることで, 従来の手法と同等あるいは高い精度を達成できることが示されている。
  論文  参考訳（メタデータ） (2020-03-02T10:16:16Z)
• Detect and Correct Bias in Multi-Site Neuroimaging Datasets [2.750124853532831]
  神経画像のバイアスを調べるため、17の研究で脳の35,320個の磁気共鳴画像を合成した。 我々は、しばしば観察研究における主要な欠点と見なされる共起バイアスについて、より詳しく検討する。 我々は最近導入されたComBatアルゴリズムを拡張し、画像特徴間のグローバルな変動を制御する。
  論文  参考訳（メタデータ） (2020-02-12T15:32:24Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。