論文の概要: Influence of uncertainty estimation techniques on false-positive reduction in liver lesion detection

• arxiv url: http://arxiv.org/abs/2206.10911v1
• Date: Wed, 22 Jun 2022 08:33:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-24 01:52:03.357394
• Title: Influence of uncertainty estimation techniques on false-positive reduction in liver lesion detection
• Title（参考訳）: 肝病変検出における偽陽性低下に対する不確実性評価法の影響
• Authors: Ishaan Bhat, Josien P.W. Pluim, Max A. Viergerver, Hugo J. Kuijf
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.0236161684282497
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning techniques show success in detecting objects in medical images, but still suffer from false-positive predictions that may hinder accurate diagnosis. The estimated uncertainty of the neural network output has been used to flag incorrect predictions. We study the role played by features computed from neural network uncertainty estimates and shape-based features computed from binary predictions in reducing false positives in liver lesion detection by developing a classification-based post-processing step for different uncertainty estimation methods. We demonstrate an improvement in the lesion detection performance of the neural network (with respect to F1-score) for all uncertainty estimation methods on two datasets, comprising abdominal MR and CT images respectively. We show that features computed from neural network uncertainty estimates tend not to contribute much toward reducing false positives. Our results show that factors like class imbalance (true over false positive ratio) and shape-based features extracted from uncertainty maps play an important role in distinguishing false positive from true positive predictions
• Abstract（参考訳）: 深層学習技術は、医学画像中の物体を検出することに成功しているが、正確な診断を妨げる偽陽性の予測に苦しむ。 ニューラルネットワーク出力の推定不確実性は、誤った予測をフラグするために使われています。 肝病変検出における偽陽性率の低減には, ニューラルネットワークの不確実性推定から計算される特徴と, 二元予測から計算された形状に基づく特徴が果たす役割について, 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し, 検討した。 腹部MRI画像とCT画像を含む2つのデータセットにおける不確実性評価手法について,ニューラルネットワークの病変検出性能(F1スコア)の改善を実証した。 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、偽陽性を減らすことにはあまり寄与しない。 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,偽陽性と真正の予測を区別する上で重要な役割を担っていることが明らかとなった。

関連論文リスト

• Tractable Function-Space Variational Inference in Bayesian Neural Networks [72.97620734290139]
  ニューラルネットワークの予測不確かさを推定するための一般的なアプローチは、ネットワークパラメータに対する事前分布を定義することである。 本稿では,事前情報を組み込むスケーラブルな関数空間変動推論手法を提案する。 提案手法は,様々な予測タスクにおいて,最先端の不確実性評価と予測性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-12-28T18:33:26Z)
• 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)
• Looking at the posterior: accuracy and uncertainty of neural-network predictions [0.0]
  予測精度はてんかんとアレタリック不確実性の両方に依存している。 本稿では,共通不確実性に基づく手法よりも優れた新たな獲得関数を提案する。
  論文  参考訳（メタデータ） (2022-11-26T16:13:32Z)
• NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural Networks [151.03112356092575]
  本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。 種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
  論文  参考訳（メタデータ） (2022-02-07T12:30:45Z)
• Using uncertainty estimation to reduce false positives in liver lesion detection [4.031488224570999]
  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。
  論文  参考訳（メタデータ） (2021-01-12T10:26:41Z)
• Objective Evaluation of Deep Uncertainty Predictions for COVID-19 Detection [15.036447340859546]
  ディープニューラルネットワーク(DNN)は、医療画像におけるCOVID-19の検出に広く適用されています。 胸部X線(CXR)画像を用いた3つの不確実性定量化手法の適用と評価を行った。
  論文  参考訳（メタデータ） (2020-12-22T05:43:42Z)
• The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
  ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。 本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
  論文  参考訳（メタデータ） (2020-12-05T17:30:35Z)
• Revisiting One-vs-All Classifiers for Predictive Uncertainty and Out-of-Distribution Detection in Neural Networks [22.34227625637843]
  識別型分類器における確率のパラメトリゼーションが不確実性推定に与える影響について検討する。 画像分類タスクのキャリブレーションを改善するために, 1-vs-all の定式化が可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-10T01:55:02Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Deep Bayesian Gaussian Processes for Uncertainty Estimation in Electronic Health Records [30.65770563934045]
  我々はディープ・ベイズ学習フレームワークの特徴とディープ・カーネル・ラーニングを融合させ、より包括的な不確実性推定に両手法の強みを活用する。 我々は,不均衡なデータセットにおけるマイノリティクラスにおいて,過度に信頼された予測を行うことに対して,我々の手法はより感受性が低いことを示す。
  論文  参考訳（メタデータ） (2020-03-23T10:36:52Z)
• Learning to Predict Error for MRI Reconstruction [67.76632988696943]
  提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。 本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T15:55:32Z)

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。