論文の概要: On Image Segmentation With Noisy Labels: Characterization and Volume
Properties of the Optimal Solutions to Accuracy and Dice
- arxiv url: http://arxiv.org/abs/2206.06484v1
- Date: Mon, 13 Jun 2022 21:30:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-15 14:13:22.709498
- Title: On Image Segmentation With Noisy Labels: Characterization and Volume
Properties of the Optimal Solutions to Accuracy and Dice
- Title（参考訳）: 雑音ラベルを用いた画像セグメンテーションについて : 精度とダイスに対する最適解のキャラクタリゼーションとボリューム特性
- Authors: Marcus Nordstr\"om, Henrik Hult, Jonas S\"oderberg, Fredrik L\"ofman
- Abstract要約: 医療画像のセグメンテーション、精度、Diceにおいて、ターゲットラベルがうるさい場合に最もよく使われる2つのパフォーマンス指標について検討する。
どちらの指標も、最適セグメンテーションの集合のキャラクタリゼーションと体積特性に関するいくつかのステートメントが証明されている。
主な洞察は、 (i) 両指標の解の体積が目標の期待体積から大きくずれる可能性があること、 (ii) 精度の解の体積がディースの解の体積と常に等しいこと、 (iii) 両指標の最適解は、実現可能なセグメンテーションの集合が制約されたときに一致すること、である。
- 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: We study two of the most popular performance metrics in medical image
segmentation, Accuracy and Dice, when the target labels are noisy. For both
metrics, several statements related to characterization and volume properties
of the set of optimal segmentations are proved, and associated experiments are
provided. Our main insights are: (i) the volume of the solutions to both
metrics may deviate significantly from the expected volume of the target, (ii)
the volume of a solution to Accuracy is always less than or equal to the volume
of a solution to Dice and (iii) the optimal solutions to both of these metrics
coincide when the set of feasible segmentations is constrained to the set of
segmentations with the volume equal to the expected volume of the target.
- Abstract（参考訳）: 対象ラベルがノイズである場合の医用画像のセグメンテーション,精度,ダイスにおける2つのパフォーマンス指標について検討した。
どちらの指標も最適セグメンテーションの集合のキャラクタリゼーションと体積特性に関するいくつかのステートメントが証明され、関連する実験が提供されている。
私たちの主な洞察は
(i)両方の指標に対する解の体積は、目標の期待される体積から著しくずれる可能性がある。
(ii)精度に対する解の体積は、常にサイスに対する解の体積と同等以下である。
(iii)両メトリクスの最適解が一致するのは、実現可能なセグメンテーションの集合が、対象の期待される体積に等しい体積を持つセグメンテーションの集合に制限されるときである。
関連論文リスト
- Transformer-based end-to-end classification of variable-length
volumetric data [4.053910482393197]
可変長のデータを効率的に分類できるエンドツーエンドのTransformerベースのフレームワークを提案する。
網膜CTボリューム分類における提案手法の評価を行い,9クラス診断課題における平均改善率21.96%を達成した。
論文 参考訳（メタデータ） (2023-07-13T10:19:04Z) - Marginal Thresholding in Noisy Image Segmentation [3.609538870261841]
損失関数に対する最適解は、ノイズのレベルが増加するにつれて、ソフトディースとクロスエントロピーが分岐する。
これにより, クロスエントロピーをソフトディスと比較した場合のパフォーマンス低下は, 間違ったしきい値を用いることによって引き起こされるのかという疑問が持ち上がる。
論文 参考訳（メタデータ） (2023-04-08T22:27:36Z) - Noisy Image Segmentation With Soft-Dice [3.2116198597240846]
最適ソフトディスに収束するソフトセグメンテーションの列は、しきい値を用いてハードセグメンテーションに変換すると、最適ディスに収束する。
これは、ソフトディースの計量を最大化するためのプロキシとしてしばしば使用されるため、重要な結果である。
論文 参考訳（メタデータ） (2023-04-03T08:46:56Z) - Variable Importance Matching for Causal Inference [73.25504313552516]
これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。
Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。
LASSO を用いて Model-to-Match フレームワークを運用する。
論文 参考訳（メタデータ） (2023-02-23T00:43:03Z) - On Calibrating Semantic Segmentation Models: Analyses and An Algorithm [51.85289816613351]
セマンティックセグメンテーションキャリブレーションの問題について検討する。
モデルキャパシティ、作物サイズ、マルチスケールテスト、予測精度はキャリブレーションに影響を及ぼす。
我々は、単純で統一的で効果的なアプローチ、すなわち選択的スケーリングを提案する。
論文 参考訳（メタデータ） (2022-12-22T22:05:16Z) - Theoretical analysis and experimental validation of volume bias of soft
Dice optimized segmentation maps in the context of inherent uncertainty [6.692460499366963]
最近のセグメンテーション法では、学習段階における損失関数の一部として、ソフトディースのような微分可能な代理計量を用いる。
まず、ボリューム推定を、潜在的に本質的に不確実または曖昧なセグメンテーションから導出する方法を簡潔に説明する。
ソフトなDice最適化は、Diceスコアやその他の測定値に対して改善された性能をもたらすが、本質的な不確実性の高いタスクに対してボリュームバイアスをもたらす可能性がある。
論文 参考訳（メタデータ） (2022-11-08T11:04:52Z) - Assessing Data Efficiency in Task-Oriented Semantic Parsing [54.87705549021248]
我々は、ある品質バーを達成するのに、ドメイン内の「ターゲット」データがどれだけ必要であるかを近似した4段階のプロトコルを導入する。
我々は,タスク指向セマンティック解析の実践者に対して,その柔軟性と適用性を示す実世界の2つのケーススタディに適用する。
論文 参考訳（メタデータ） (2021-07-10T02:43:16Z) - Random Embeddings with Optimal Accuracy [0.0]
この研究では、Jonson-Lindenstrauss埋め込みを、分散、平均二乗誤差および指数長歪みによって測定されるように、最高の精度で構築する。
論文 参考訳（メタデータ） (2020-12-31T19:00:31Z) - Full Matching on Low Resolution for Disparity Estimation [84.45201205560431]
本研究では,マルチステージ完全一致格差推定法(MFM)を提案する。
また,低分解能3次元コストを見積もる代わりに,低分解能4次元ボリュームから全類似度スコアを段階的に切り離すことを実証した。
実験の結果,提案手法は,シーンフローやkitti 2012,kitti 2015のデータセットにおいて,より正確な不一致推定結果を達成し,最先端の手法を上回った。
論文 参考訳（メタデータ） (2020-12-10T11:11:23Z) - Bayesian Bits: Unifying Quantization and Pruning [73.27732135853243]
我々は、勾配に基づく最適化による混合精度量子化とプルーニングの実用的な方法であるBayesian Bitsを紹介する。
提案手法をいくつかのベンチマーク・データセット上で実験的に検証し,プレナード付き混合精度ネットワークを学習可能であることを示す。
論文 参考訳（メタデータ） (2020-05-14T16:00:34Z) - Compositional ADAM: An Adaptive Compositional Solver [69.31447856853833]
C-ADAMは、期待値の非線形機能ネストを含む構成問題に対する最初の適応的解法である。
C-ADAM は $mathcalO(delta-2.25)$ の定常点に収束し、$delta$ は精度パラメータであることを示す。
論文 参考訳（メタデータ） (2020-02-10T14:00:45Z)
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。