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
- Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。
本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。
その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Enhanced Cascade Prostate Cancer Classifier in mp-MRI Utilizing Recall Feedback Adaptive Loss and Prior Knowledge-Based Feature Extraction [4.00189087655119]
本稿では, 先行知識を取り入れ, 不均一な医用サンプル分布の問題に対処し, mpMRIにおける高い解釈可能性を維持するソリューションを提案する。
まず,前立腺癌に対するPI-RADS基準をモデルトレーニングの診断情報として数学的にモデル化する,事前知識に基づく特徴抽出手法を提案する。
次に、極めて不均衡なデータ問題に対処するため、適応的リコールフィードバック損失を提案する。
第3に、前立腺癌を解釈可能な方法で異なるレベルに分類する拡張前立腺癌を設計する。
論文 参考訳（メタデータ） (2024-08-19T07:18:06Z) - Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments [67.80453452949303]
観察データから条件平均治療効果(CATE)を推定することは、パーソナライズされた医療など多くの応用に関係している。
ここでは、観測データが複数の環境からやってくる広範囲な環境に焦点を当てる。
任意の機械学習モデルと組み合わせて使用可能な境界を推定するために、異なるモデルに依存しない学習者(いわゆるメタ学習者)を提案する。
論文 参考訳（メタデータ） (2024-06-04T16:31:43Z) - A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge [30.611482996378683]
画像と疾患の多様性は、臨床価値を持つ一般化可能なAIアルゴリズムの開発を妨げる。
2022 Ischemic Stroke Lesion (ISLES) から得られた新しいアンサンブルアルゴリズムを提案する。
トップパフォーマンスのアルゴリズムを、個々のソリューションの限界を克服するアンサンブルモデルに組み合わせました。
論文 参考訳（メタデータ） (2024-03-28T13:56:26Z) - Aiming for Relevance [12.924312063047816]
臨床状況に合わせて,新しいバイタルサイン予測性能指標を導入する。
これらの指標は、ICU臨床医へのインタビューを通じて得られた経験的効用曲線から得られたものである。
これらの指標をニューラルネットワークの損失関数として用い,臨床上の重要な事象を予測できるモデルを構築した。
論文 参考訳（メタデータ） (2024-03-27T15:11:07Z) - 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) - 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) - 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。