論文の概要: Sources of performance variability in deep learning-based polyp
detection
- arxiv url: http://arxiv.org/abs/2211.09708v1
- Date: Thu, 17 Nov 2022 17:44:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 16:38:45.962276
- Title: Sources of performance variability in deep learning-based polyp
detection
- Title(参考訳): 深層学習型ポリープ検出における性能変動源
- Authors: Thuy Nuong Tran, Tim Adler, Amine Yamlahi, Evangelia Christodoulou,
Patrick Godau, Annika Reinke, Minu Dietlinde Tizabi, Peter Sauer, Tillmann
Persicke, J\"org Gerhard Albert, Lena Maier-Hein
- Abstract要約: 大腸がん検出における内視鏡コンピュータビジョンチャレンジ(EndoCV)の勝訴について述べる。
6つの臨床センターの患者データを用いて総合的検証を行った結果, 対象物検出の指標はすべて, 中心間変動の度合いが高いことが判明した。
我々の研究は、自動大腸癌検診アプリケーションにおける一般的なバリデーション戦略を再考する第一歩となるかもしれない。
- 参考スコア(独自算出の注目度): 0.22178176325509025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Validation metrics are a key prerequisite for the reliable tracking of
scientific progress and for deciding on the potential clinical translation of
methods. While recent initiatives aim to develop comprehensive theoretical
frameworks for understanding metric-related pitfalls in image analysis
problems, there is a lack of experimental evidence on the concrete effects of
common and rare pitfalls on specific applications. We address this gap in the
literature in the context of colon cancer screening. Our contribution is
twofold. Firstly, we present the winning solution of the Endoscopy computer
vision challenge (EndoCV) on colon cancer detection, conducted in conjunction
with the IEEE International Symposium on Biomedical Imaging (ISBI) 2022.
Secondly, we demonstrate the sensitivity of commonly used metrics to a range of
hyperparameters as well as the consequences of poor metric choices. Based on
comprehensive validation studies performed with patient data from six clinical
centers, we found all commonly applied object detection metrics to be subject
to high inter-center variability. Furthermore, our results clearly demonstrate
that the adaptation of standard hyperparameters used in the computer vision
community does not generally lead to the clinically most plausible results.
Finally, we present localization criteria that correspond well to clinical
relevance. Our work could be a first step towards reconsidering common
validation strategies in automatic colon cancer screening applications.
- Abstract(参考訳): 検証基準は、科学的進歩の信頼できる追跡と、方法の潜在的な臨床翻訳を決定するための重要な前提条件である。
最近の取り組みは、画像解析問題におけるメートル法関連の落とし穴を理解するための包括的な理論的枠組みを開発することを目的としているが、特定のアプリケーションに対する共通および希少な落とし穴の具体的な影響に関する実験的な証拠が不足している。
大腸がん検診の文献におけるこのギャップについて考察する。
私たちの貢献は2倍です。
まず,大腸がん検出のための内視鏡コンピュータビジョンチャレンジ(EndoCV)の優勝ソリューションについて,IEEE International Symposium on Biomedical Imaging (ISBI) 2022と共同で実施した。
第二に、よく使われるメトリクスの過度パラメータに対する感度と、悪いメトリック選択の結果を実証する。
6つの臨床センターの患者データを用いて総合的検証を行った結果,対象検出の指標はいずれも高い中心間変動が認められた。
さらに,コンピュータビジョンのコミュニティで使用される標準ハイパーパラメータの適応は,臨床上最も有効な結果にはならないことが明らかとなった。
最後に,臨床関連性によく対応した局所化基準を提案する。
我々の研究は、自動大腸癌検診アプリケーションにおける一般的なバリデーション戦略を再考する第一歩となるかもしれない。
関連論文リスト
- Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - LLM-driven Multimodal Target Volume Contouring in Radiation Oncology [55.20049911531224]
大規模言語モデル(LLM)は、テキスト情報と画像の統合を容易にする。
LLM駆動型マルチモーダルAIを,放射線治療における目標音量調整の課題に適用する。
提案モデルでは,従来の視覚のみのAIモデルと比較して,性能が著しく向上していることを示す。
論文 参考訳(メタデータ) (2023-11-03T13:38:42Z) - Learning Through Guidance: Knowledge Distillation for Endoscopic Image
Classification [40.366659911178964]
内視鏡は消化管(GI)の根底にある異常を同定する上で重要な役割を担っている。
ディープラーニング、特にCNN(Convolution Neural Networks)は、従来の機能エンジニアリングを使わずに自動機能学習を実行するように設計されている。
KDに基づく3つの学習フレームワーク、応答ベース、特徴ベース、関係ベースメカニズムについて検討し、関係ベース学習を支援するために、新しい多面的注意型特徴融合機構を導入する。
論文 参考訳(メタデータ) (2023-08-17T02:02:11Z) - Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。
コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。
眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文 参考訳(メタデータ) (2023-07-31T09:49:51Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳(メタデータ) (2022-06-04T13:16:30Z) - Leveraging Clinically Relevant Biometric Constraints To Supervise A Deep
Learning Model For The Accurate Caliper Placement To Obtain Sonographic
Measurements Of The Fetal Brain [0.0]
経小脳平面(TC)の2次元USG画像から3つの重要な胎児脳バイオメトリーを計算するための深層学習(DL)手法を提案する。
U-Net DLモデルの精度を向上させるために,臨床的に関連するバイオメトリック制約(校正点間の関連性)とドメイン関連データ拡張を利用した。
いずれの場合も、個々のカリパーポイントの配置における平均誤差と計算されたバイオメトリーは、臨床医の誤差率に匹敵するものであった。
論文 参考訳(メタデータ) (2022-03-28T04:00:22Z) - Assessing generalisability of deep learning-based polyp detection and
segmentation methods through a computer vision challenge [11.914243295893984]
ポリープは大腸内視鏡で同定されたよく知られたがん前駆体である。
大腸ポリープのサーベイランスと除去は、非常に操作性に依存した手順である。
大腸ポリープの欠失検出率と不完全除去率がある。
論文 参考訳(メタデータ) (2022-02-24T11:25:52Z) - Oral cancer detection and interpretation: Deep multiple instance
learning versus conventional deep single instance learning [2.2612425542955292]
口腔癌(OC)診断の現在の医療基準は、口腔から採取した組織標本の組織学的検査である。
このアプローチを臨床ルーチンに導入するには、専門家の欠如や労働集約的な作業といった課題が伴う。
私たちは、患者1人あたりのラベルだけで癌を確実に検出できるAIベースの方法に興味を持っています。
論文 参考訳(メタデータ) (2022-02-03T15:04:26Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳(メタデータ) (2021-11-08T07:57:30Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z)
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。