論文の概要: Bayesian Neural Networks for Uncertainty Estimation of Imaging Biomarkers

• arxiv url: http://arxiv.org/abs/2008.12680v2
• Date: Tue, 1 Sep 2020 23:22:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 02:06:39.746872
• Title: Bayesian Neural Networks for Uncertainty Estimation of Imaging Biomarkers
• Title（参考訳）: イメージングバイオマーカーの不確かさ推定のためのベイズニューラルネットワーク
• Authors: J. Senapati, A. Guha Roy, S. P\"olsterl, D. Gutmann, S. Gatidis, C. Schlett, A. Peters, F. Bamberg, C. Wachinger
• Abstract要約: 本稿では,セグメンテーションの不確実性を統計解析に伝達し,セグメンテーションの信頼性の変動を考慮することを提案する。 糖尿病患者における肝の分節化成績は, 統計的推測におけるバイオマーカーの不確実性の改善を明らかに示している。
• 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: Image segmentation enables to extract quantitative measures from scans that can serve as imaging biomarkers for diseases. However, segmentation quality can vary substantially across scans, and therefore yield unfaithful estimates in the follow-up statistical analysis of biomarkers. The core problem is that segmentation and biomarker analysis are performed independently. We propose to propagate segmentation uncertainty to the statistical analysis to account for variations in segmentation confidence. To this end, we evaluate four Bayesian neural networks to sample from the posterior distribution and estimate the uncertainty. We then assign confidence measures to the biomarker and propose statistical models for its integration in group analysis and disease classification. Our results for segmenting the liver in patients with diabetes mellitus clearly demonstrate the improvement of integrating biomarker uncertainty in the statistical inference.
• Abstract（参考訳）: イメージセグメンテーションは、病気のバイオマーカーをイメージングするのに役立つスキャンから定量的な測定を抽出することができる。 しかし、セグメンテーションの品質はスキャンによって大きく異なるため、バイオマーカーのフォローアップ統計解析において不適切な推定が得られる。 核となる問題は、セグメンテーションとバイオマーカー分析が独立して行われることである。 本稿では,セグメンテーション信頼度の変化を考慮した統計解析にセグメンテーションの不確実性を導入することを提案する。 そこで本研究では,4つのベイズ型ニューラルネットワークについて,後方分布からサンプルを採取し,不確かさを推定する。 次に、バイオマーカーに信頼度を割り当て、グループ分析と疾患分類の統合のための統計モデルを提案する。 糖尿病患者における肝の分節化成績は, 統計的推測におけるバイオマーカーの不確実性の改善を明らかに示している。

関連論文リスト

• Improving the Scan-rescan Precision of AI-based CMR Biomarker Estimation [1.794594355220496]
  ディープラーニング(DL)法を用いた心血管磁気共鳴(CMR)データからの心臓バイオマーカーの定量化には多くの利点がある。 しかし、バイオマーカー推定のスキャン-スキャン精度に焦点を当てた研究はごくわずかである。 そこで本研究では,高セグメンテーション精度だけでなく,スキャン・レスカン精度の向上にも焦点をあてたバイオマーカー推定パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-21T16:24:27Z)
• Comparative Benchmarking of Failure Detection Methods in Medical Image Segmentation: Unveiling the Role of Confidence Aggregation [0.723226140060364]
  本稿では,医療画像セグメンテーションにおける故障検出手法の評価を目的とした総合的なベンチマークフレームワークを提案する。 我々は、現在の障害検出指標の強度と限界を特定し、リスクカバレッジ分析を全体的評価アプローチとして推奨する。
  論文  参考訳（メタデータ） (2024-06-05T14:36:33Z)
• Enhancing predictive imaging biomarker discovery through treatment effect analysis [2.8300022117286523]
  本研究は,前処理画像を利用して新たな因果関係を明らかにすることを目的とした,予測画像バイオマーカーの発見に焦点を当てた。 以前のアプローチは、労働集約的な手工芸や手作業による特徴に依存しており、バイアスをもたらす可能性がある。 本稿では,モデルが予測画像バイオマーカーを識別し,それを認識できないものと区別する能力を評価するための評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-06-04T17:54:44Z)
• Structural-Based Uncertainty in Deep Learning Across Anatomical Scales: Analysis in White Matter Lesion Segmentation [8.64414399041931]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、ホワイトマター病変(WML)セグメンテーションの文脈における、自動ディープラーニング(DL)ツールの信頼性の指標である。 我々は, 構造的予測の相違から, 病変や患者スケールの不確かさを定量化する尺度を開発した。 444例の多心MRIデータから, 病変のモデル誤差をより効果的に把握し, 患者規模を計測できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-15T13:04:57Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Analyzing Epistemic and Aleatoric Uncertainty for Drusen Segmentation in Optical Coherence Tomography Images [4.125187280299246]
  加齢関連黄斑変性症(AMD)は60歳以上の高齢者の永久視喪失の原因の1つである。 我々は,u-netに基づくドルーゼンセグメンテーションモデルを開発し,セグメンテーションの不確かさを定量化する。
  論文  参考訳（メタデータ） (2021-01-21T23:34:29Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)

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。