論文の概要: Interpretable Deep Learning Classifier by Detection of Prototypical Parts on Kidney Stones Images

• arxiv url: http://arxiv.org/abs/2206.00252v2
• Date: Thu, 2 Jun 2022 03:06:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-03 11:23:14.335096
• Title: Interpretable Deep Learning Classifier by Detection of Prototypical Parts on Kidney Stones Images
• Title（参考訳）: 腎臓結石画像の原型部分検出による解釈可能な深層学習分類
• Authors: Daniel Flores-Araiza, Francisco Lopez-Tiro, Elias Villalvazo-Avila, Jonathan El-Beze, Jacques Hubert, Gilberto Ochoa-Ruiz, Christian Daul
• Abstract要約: 現在、関連する前生検(形態構成分析(MCA)として知られる)は、時間がかかり、高価であり、多くの経験を必要とする。 生体内内視鏡による石の認識のための機械学習手法が開発されている。 提案手法は腎臓結石像の分類を提案し, MCA法と類似した説明を提供する。
• 参考スコア（独自算出の注目度）: 0.9236074230806579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying the type of kidney stones can allow urologists to determine their formation cause, improving the early prescription of appropriate treatments to diminish future relapses. However, currently, the associated ex-vivo diagnosis (known as morpho-constitutional analysis, MCA) is time-consuming, expensive, and requires a great deal of experience, as it requires a visual analysis component that is highly operator dependant. Recently, machine learning methods have been developed for in-vivo endoscopic stone recognition. Shallow methods have been demonstrated to be reliable and interpretable but exhibit low accuracy, while deep learning-based methods yield high accuracy but are not explainable. However, high stake decisions require understandable computer-aided diagnosis (CAD) to suggest a course of action based on reasonable evidence, rather than merely prescribe one. Herein, we investigate means for learning part-prototypes (PPs) that enable interpretable models. Our proposal suggests a classification for a kidney stone patch image and provides explanations in a similar way as those used on the MCA method.
• Abstract（参考訳）: 腎臓結石の種類を特定することで、尿器科医はその形成原因を判断し、将来の再発を減らすために適切な治療の早期処方を改善することができる。 しかし、現在、関連する元vivo診断(morpho-constitutional analysis、mca)は、非常に操作性が高いビジュアル分析コンポーネントを必要とするため、時間がかかり、費用がかかり、非常に多くの経験を必要とする。 近年,生体内結石認識のための機械学習法が開発されている。 浅い手法は信頼性が高く解釈可能であるが精度が低いことが証明されているが、深層学習に基づく手法は精度が高いが説明できない。 しかし、高い利害判断は、単にそれを処方するのではなく、合理的な証拠に基づく行動の道筋を提案するために、コンピュータ支援診断(CAD)を必要とする。 本稿では,解釈可能なモデルを実現する部分プロトタイプ(PP)の学習方法を検討する。 本提案では, 腎臓結石像の分類法を提案し, mca法と類似した説明を提供する。

関連論文リスト

• Improving Prototypical Parts Abstraction for Case-Based Reasoning Explanations Designed for the Kidney Stone Type Recognition [2.5506430540951763]
  尿管鏡による腎結石の同定は、尿学の大きな医学的進歩となる。 近年,尿管鏡画像を用いて腎臓結石のタイプを自動的に認識する深層学習(DL)モデルが提案されている。 このコントリビューションは, 原型部品(PP)を使用し, 局所的および大域的記述子を生成するケースベース推論DLモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:27:32Z)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• Deep Prototypical-Parts Ease Morphological Kidney Stone Identification and are Competitively Robust to Photometric Perturbations [0.9236074230806579]
  腎結石サブタイプ当たりのプロトタイプ部分(PP)を学習し,出力分類を生成する。 我々の実装の平均精度は、最先端(SOTA)非解釈可能なDLモデルよりも1.5%低い。 本モデルでは, 対向訓練を伴わずに, 標準偏差の低い摂動画像を2.8%向上させる。
  論文  参考訳（メタデータ） (2023-04-08T17:43:31Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Boosting Kidney Stone Identification in Endoscopic Images Using Two-Step Transfer Learning [0.8431877864777444]
  提案手法は,CCDカメラで取得した腎臓結石の画像に基づいて得られた知識を,内視鏡画像から画像を分類する最終モデルに伝達する。 その結果、類似した情報を持つ異なる領域からの学習特徴が、実環境における分類を行うモデルの性能向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-24T23:22:22Z)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T06:54:29Z)
• On the in vivo recognition of kidney stones using machine learning [1.6273083168563973]
  本稿では,6つの浅層機械学習手法と3つのディープラーニングアーキテクチャの腎臓結石認識性能を比較した。 また、適切な色空間とテクスチャの特徴を選択することで、浅い機械学習手法が、最も有望なディープラーニング手法の性能に近づきやすいことが示されている。
  論文  参考訳（メタデータ） (2022-01-21T19:18:42Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• Assessing deep learning methods for the identification of kidney stones in endoscopic images [0.0]
  腎臓石のタイプ(すなわち生化学組成)を知ることは再発を防ぐために重要である。 尿素コピー中に腎臓結石を断片化し、尿路から抽出し、その組成を形態構成分析を用いて決定する。 本稿では、ディープ畳み込みニューラルネットワーク(DCNN)と従来の(非DCNN)の5つの分類手法について論じ、比較する。
  論文  参考訳（メタデータ） (2021-03-01T17:31:01Z)

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。