Fugu-MT 論文翻訳(概要): Using uncertainty estimation to reduce false positives in liver lesion detection

論文の概要: Using uncertainty estimation to reduce false positives in liver lesion detection

arxiv url: http://arxiv.org/abs/2101.04386v3
Date: Tue, 26 Jan 2021 11:02:34 GMT
ステータス: 処理完了
システム内更新日: 2021-04-04 08:55:14.848618
Title: Using uncertainty estimation to reduce false positives in liver lesion detection
Title（参考訳）: 不確実性推定を用いた肝病変検出における偽陽性の軽減
Authors: Ishaan Bhat, Hugo J. Kuijf, Veronika Cheplygina and Josien P.W. Pluim
Abstract要約: 本稿では,ニューラルネットワーク予測の不確実性マップから抽出した特徴を学習したSVM分類器を用いて,ニューラルネットワークによる偽陽性検出を減らす手法を提案する。我々は、0.5のドロップアウトレートの使用は、ニューラルネットワークの予測で偽陽性の最小数を生成することを発見しました。
参考スコア（独自算出の注目度）: 4.031488224570999
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Despite the successes of deep learning techniques at detecting objects in medical images, false positive detections occur which may hinder an accurate diagnosis. We propose a technique to reduce false positive detections made by a neural network using an SVM classifier trained with features derived from the uncertainty map of the neural network prediction. We demonstrate the effectiveness of this method for the detection of liver lesions on a dataset of abdominal MR images. We find that the use of a dropout rate of 0.5 produces the least number of false positives in the neural network predictions and the trained classifier filters out approximately 90% of these false positives detections in the test-set.
Abstract（参考訳）: 医学画像中の物体を検出する深層学習技術の成功にもかかわらず、偽陽性検出は正確な診断を妨げる可能性がある。本稿では,ニューラルネットワーク予測の不確実性マップから抽出した特徴を学習したSVM分類器を用いて,ニューラルネットワークによる偽陽性検出を減らす手法を提案する。腹部MR画像のデータセットにおける肝病変の検出に本法の有効性を実証する。実験では, 降格率0.5はニューラルネットワークの予測において最小の偽陽性率を示し, 訓練された分類器はテストセットにおける偽陽性検出の約90%をフィルタリングする。

関連論文リスト

Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
論文参考訳（メタデータ） (2024-08-15T13:26:13Z)
HAct: Out-of-Distribution Detection with Neural Net Activation Histograms [7.795929277007233]
本稿では,OOD検出のための新しい記述子HActを提案する。すなわち,入力データの影響下でのニューラルネットワーク層の出力値の確率分布(ヒストグラムで近似)について述べる。複数の画像分類ベンチマークにおいて,HActはOOD検出における最先端技術よりもはるかに精度が高いことを示す。
論文参考訳（メタデータ） (2023-09-09T16:22:18Z)
Influence of uncertainty estimation techniques on false-positive reduction in liver lesion detection [3.0236161684282497]
我々は,異なる不確実性推定法のための分類に基づく後処理ステップを開発する。ニューラルネットワークの不確実性推定から計算された特徴は、偽陽性の低減にはあまり寄与しない傾向にある。以上の結果から,不確実性マップから抽出したクラス不均衡(真偽正比)や形状に基づく特徴などの要因が,偽正の予測と真正の予測とを区別する上で重要な役割を担っていることが示唆された。
論文参考訳（メタデータ） (2022-06-22T08:33:52Z)
Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with impured training data [53.122045119395594]
トレーニングデータ中の不健康なサンプルが脳MRIスキャンの異常検出性能に与える影響について検討した。 AEの再構成誤差に基づいて,トレーニング中に誤ラベル付きサンプルを直接識別する手法の評価を行った。
論文参考訳（メタデータ） (2022-04-12T13:05:18Z)
Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
論文参考訳（メタデータ） (2021-11-09T00:11:01Z)
Positive-unlabeled Learning for Cell Detection in Histopathology Images with Incomplete Annotations [1.1470070927586016]
正の未ラベル学習問題として検出ネットワークのトレーニングを定式化する。乳がん細胞のミトーシス検出のための公開データセットで実験を行った。
論文参考訳（メタデータ） (2021-06-30T09:20:25Z)
Residual Error: a New Performance Measure for Adversarial Robustness [85.0371352689919]
ディープラーニングの広く普及を制限する大きな課題は、敵の攻撃に対する脆弱さである。本研究は,ディープニューラルネットワークの対角強靭性を評価するための新しい性能尺度である残留誤差の概念を提示する。画像分類を用いた実験結果から,提案手法の有効性と有効性を示した。
論文参考訳（メタデータ） (2021-06-18T16:34:23Z)
Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文参考訳（メタデータ） (2021-06-04T09:51:27Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文参考訳（メタデータ） (2020-03-09T08:16:16Z)
Non-Intrusive Detection of Adversarial Deep Learning Attacks via Observer Networks [5.4572790062292125]
近年の研究では、深層学習モデルは逆入力に弱いことが示されている。本稿では,主分類網を複数のバイナリ検出器で拡張することにより,逆入力を検出する新しい手法を提案する。我々は、MNISTデータセットで99.5%、CIFAR-10データセットで97.5%の精度で検出する。
論文参考訳（メタデータ） (2020-02-22T21:13:00Z)

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。