論文の概要: Benchmarking features from different radiomics toolkits / toolboxes using Image Biomarkers Standardization Initiative

• arxiv url: http://arxiv.org/abs/2006.12761v1
• Date: Tue, 23 Jun 2020 05:02:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 23:36:24.088397
• Title: Benchmarking features from different radiomics toolkits / toolboxes using Image Biomarkers Standardization Initiative
• Title（参考訳）: Image Biomarkers Standardization Initiative を用いた各種放射線ツールキット/ツールボックスのベンチマーク機能
• Authors: Mingxi Lei, Bino Varghese, Darryl Hwang, Steven Cen, Xiaomeng Lei, Afshin Azadikhah, Bhushan Desai, Assad Oberai, Vinay Duddalwar
• Abstract要約: 放射能の特徴項、基礎となる数学、あるいはその実装については合意がない。 画像バイオマーカー標準化イニシアチブ (IBSI) はファントムを確立し, 放射線特性の変化を比較するためにベンチマーク値を使用した。 異なるソフトウェアプログラムを用いて計算した放射能特性は同一で信頼性が低い可能性があると結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is no consensus regarding the radiomic feature terminology, the underlying mathematics, or their implementation. This creates a scenario where features extracted using different toolboxes could not be used to build or validate the same model leading to a non-generalization of radiomic results. In this study, the image biomarker standardization initiative (IBSI) established phantom and benchmark values were used to compare the variation of the radiomic features while using 6 publicly available software programs and 1 in-house radiomics pipeline. All IBSI-standardized features (11 classes, 173 in total) were extracted. The relative differences between the extracted feature values from the different software and the IBSI benchmark values were calculated to measure the inter-software agreement. To better understand the variations, features are further grouped into 3 categories according to their properties: 1) morphology, 2) statistic/histogram and 3)texture features. While a good agreement was observed for a majority of radiomics features across the various programs, relatively poor agreement was observed for morphology features. Significant differences were also found in programs that use different gray level discretization approaches. Since these programs do not include all IBSI features, the level of quantitative assessment for each category was analyzed using Venn and the UpSet diagrams and also quantified using two ad hoc metrics. Morphology features earns lowest scores for both metrics, indicating that morphological features are not consistently evaluated among software programs. We conclude that radiomic features calculated using different software programs may not be identical and reliable. Further studies are needed to standardize the workflow of radiomic feature extraction.
• Abstract（参考訳）: 放射能の特徴の用語、基礎となる数学、それらの実装に関する合意はない。 これにより、異なるツールボックスを使用して抽出された機能が同じモデルの構築や検証に使用できず、放射能結果の非一般化につながるシナリオが生成される。 本研究では, 画像バイオマーカー標準化イニシアチブ (IBSI) がファントムを確立し, ベンチマーク値を用いて, 6つの公開ソフトウェアプログラムと1つの社内無線パイプラインを用いて, 放射能特性の変化を比較した。 ibsiで標準化された全ての機能(11クラス、173クラス)が抽出された。 異なるソフトウェアから抽出した特徴値とIBSIベンチマーク値との相対的な差を計算し,ソフトウェア間合意度を測定した。 バリエーションをよりよく理解するために、機能はさらに3つのカテゴリに分類される。 1)形態学 2) 統計/ヒストグラム, 3) テクスチャの特徴。 様々なプログラムにまたがる放射線学的特徴の大多数については良好な合意が得られたが、形態学的特徴については比較的不十分な合意が得られた。 グレーレベル離散化アプローチの異なるプログラムでも大きな違いが見られた。 これらのプログラムは全てのIBSI特徴を含まないため、各カテゴリの定量的評価レベルをVennとUpSet図を用いて分析し、2つのアドホック指標を用いて定量化した。 形態学的特徴は両方の指標で最低スコアを獲得し、形態的特徴がソフトウェアプログラム間で一貫して評価されていないことを示している。 異なるソフトウェアプログラムを用いて計算した放射能特性は同一で信頼性が低い可能性がある。 放射線的特徴抽出のワークフローを標準化するためには、さらなる研究が必要である。

関連論文リスト

• Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature [1.1455937444848385]
  本稿では,音声病理診断における現代的実践の徹底的な研究から得られた,ロバストな特徴セットを提案する。 K-Means Synthetic Minority Over-Sampling Technique(K-Means Synthetic Over-Sampling Technique)アルゴリズムを用いて,Sarbr"ucken Voice Database(SVD)のデータを含むこの機能セットを組み合わせる。 提案手法は,音声病理診断における非重み付き平均リコールによって測定された最先端の性能を達成している。
  論文  参考訳（メタデータ） (2024-10-14T14:17:52Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Brain Tumor Radiogenomic Classification [1.8276368987462532]
  2次分類によるグリオ芽腫のMGMTバイオマーカー状態の予測を目的としたRSNA-MICCAI脳腫瘍ラジオゲノミクス分類の試み データセットはトレーニングセット、トレーニング中に使用された検証セット、最終評価時にのみ使用されるテストの3つの主要なコホートに分割される。
  論文  参考訳（メタデータ） (2024-01-11T10:30:09Z)
• DCID: Deep Canonical Information Decomposition [84.59396326810085]
  本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。 そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。 また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:59:06Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
  本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。 提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。 分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:53:27Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Cross-Domain Facial Expression Recognition: A Unified Evaluation Benchmark and Adversarial Graph Learning [85.6386289476598]
  我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。 我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-03T15:00:31Z)
• Evaluating the reliability of acoustic speech embeddings [10.5754802112615]
  音声埋め込みは可変長音声列の定サイズ音響表現である。 ここでは,ABX識別と平均精度 (MAP) という2つの一般的な指標を,17の埋め込み手法にまたがる5つの言語で体系的に比較する。 ABXとMAPは相互に相関し,周波数推定を行う。
  論文  参考訳（メタデータ） (2020-07-27T13:24:09Z)
• Binary and Multiclass Classifiers based on Multitaper Spectral Features for Epilepsy Detection [1.721147796970279]
  てんかんは脳波(EEG)で診断できる最も一般的な神経疾患の1つである 本稿では,二分分類と多クラス分類の2つの区別文脈にてんかん検出の新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-04-02T17:12:33Z)

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。