論文の概要: Tackling Bias in the Dice Similarity Coefficient: Introducing nDSC for
White Matter Lesion Segmentation
- arxiv url: http://arxiv.org/abs/2302.05432v1
- Date: Fri, 10 Feb 2023 18:48:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 14:56:59.535484
- Title: Tackling Bias in the Dice Similarity Coefficient: Introducing nDSC for
White Matter Lesion Segmentation
- Title（参考訳）: ディス類似係数におけるバイアスの処理:ホワイトマター病変セグメンテーションのためのnDSCの導入
- Authors: Vatsal Raina, Nataliia Molchanova, Mara Graziani, Andrey Malinin,
Henning Muller, Meritxell Bach Cuadra, Mark Gales
- Abstract要約: Dice similarity Coefficient (DSC) は、予測されたセグメンテーションと接地トラスマスクとの合意を比較するための一般的な選択である。
DSC測定値は, 接地トラスにおける正のクラスの発生率に偏りがあることが示されている。
本研究は、最近提案された二分節タスクのための正規化DSCの詳細な解析について述べる。
- 参考スコア（独自算出の注目度）: 10.182222073140991
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The development of automatic segmentation techniques for medical imaging
tasks requires assessment metrics to fairly judge and rank such approaches on
benchmarks. The Dice Similarity Coefficient (DSC) is a popular choice for
comparing the agreement between the predicted segmentation against a
ground-truth mask. However, the DSC metric has been shown to be biased to the
occurrence rate of the positive class in the ground-truth, and hence should be
considered in combination with other metrics. This work describes a detailed
analysis of the recently proposed normalised Dice Similarity Coefficient (nDSC)
for binary segmentation tasks as an adaptation of DSC which scales the
precision at a fixed recall rate to tackle this bias. White matter lesion
segmentation on magnetic resonance images of multiple sclerosis patients is
selected as a case study task to empirically assess the suitability of nDSC. We
validate the normalised DSC using two different models across 59 subject scans
with a wide range of lesion loads. It is found that the nDSC is less biased
than DSC with lesion load on standard white matter lesion segmentation
benchmarks measured using standard rank correlation coefficients. An
implementation of nDSC is made available at:
https://github.com/NataliiaMolch/nDSC .
- Abstract（参考訳）: 医用画像の自動セグメンテーション技術の開発には, 評価基準を用いて, 評価手法を適切に判断し, ランク付けする必要がある。
Dice similarity Coefficient (DSC) は、予測されたセグメンテーションと接地トラスマスクとの合意を比較するための一般的な選択である。
しかし, DSC測定値は, ゼロトラストにおける正のクラスの発生率に偏りがあることが示されており, その他の指標と組み合わせて考える必要がある。
本研究は,最近提案されている二分セグメンテーションタスクの正規化dice類似度係数(ndsc)の詳細な解析を,このバイアスに対処するために固定リコールレートで精度をスケールするdscの適応として記述する。
多発性硬化症患者のMRI画像における白質病変のセグメンテーションを事例として,nDSCの有用性を実証的に評価する。
59例の被験者を対象とし, 広範囲の病変負荷を伴う2種類のモデルを用いて正常化DSCを検証した。
標準ランク相関係数を用いて測定した標準ホワイトマター病変セグメンテーションベンチマークにおいて,nDSCはDSCよりもバイアスが少ないことがわかった。
nDSCの実装は、https://github.com/NataliiaMolch/nDSCで公開されている。
関連論文リスト
- Every Component Counts: Rethinking the Measure of Success for Medical Semantic Segmentation in Multi-Instance Segmentation Tasks [60.80828925396154]
本稿では,新しいセマンティックセグメンテーション評価プロトコルであるConnected-Component (CC)-Metricsを提案する。
本研究は,全体PET/CTにおけるセマンティックセグメンテーションの一般的な医療シナリオにおいて,この設定を動機付けている。
既存のセマンティックセグメンテーションのメトリクスが、より大きな接続コンポーネントに対するバイアスにどのように悩まされているかを示す。
論文 参考訳（メタデータ） (2024-10-24T12:26:05Z) - SPLAL: Similarity-based pseudo-labeling with alignment loss for
semi-supervised medical image classification [11.435826510575879]
半教師付き学習(SSL)メソッドはラベル付きデータとラベルなしデータの両方を活用することで課題を軽減することができる。
医用画像分類のためのSSL法では,(1)ラベルなしデータセットの画像に対する信頼性の高い擬似ラベルの推定,(2)クラス不均衡によるバイアスの低減という2つの課題に対処する必要がある。
本稿では,これらの課題を効果的に解決する新しいSSLアプローチであるSPLALを提案する。
論文 参考訳（メタデータ） (2023-07-10T14:53:24Z) - TBSS++: A novel computational method for Tract-Based Spatial Statistics [6.1908590616944785]
クロスオブジェクト tract-specific analysis は、dMRIにおける最も一般的な計算の1つである。
これらの研究の正確さと信頼性は、被験者間で同じ白い物質を正確に比較できる能力に基づいている。
既存の手法の限界を克服する新しい計算フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-07T22:12:51Z) - Synchronous Image-Label Diffusion Probability Model with Application to
Stroke Lesion Segmentation on Non-contrast CT [2.6750287043724303]
急性虚血性脳卒中(AIS)患者の予後を評価するため, ストローク病変容積は重要なX線学的指標である。
近年の拡散確率モデルでは、画像のセグメンテーションに使用される可能性が示されている。
本稿では,NCCTにおける脳卒中病変の分節に対する新しい画像ラベル拡散確率モデル(SDPM)を提案する。
論文 参考訳（メタデータ） (2023-07-04T14:16:49Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳（メタデータ） (2023-02-03T13:50:25Z) - 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) - Hierarchical Semi-Supervised Contrastive Learning for
Contamination-Resistant Anomaly Detection [81.07346419422605]
異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。
コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。
汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-24T18:49:26Z) - The impact of using voxel-level segmentation metrics on evaluating
multifocal prostate cancer localisation [8.035409264165937]
Dice similarity coefficient (DSC) と Hausdorff distance (HD) は医用画像セグメンテーションの評価に広く用いられている。
本研究は、まず、前立腺がんの手術計画において、対象検出に使用されるものを適応する、新しい非対称検出指標を提案する。
今回我々は, DSCとHDの相互一致と相関について報告し, 2) ボクセルレベルDSCと病変レベルでのリコール制御精度について報告する。
論文 参考訳（メタデータ） (2022-03-30T15:57:20Z) - Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical
Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。
現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文 参考訳（メタデータ） (2021-10-17T08:49:33Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z) - Weakly-Supervised Lesion Segmentation on CT Scans using Co-Segmentation [18.58056402884405]
CTスキャンにおける病変分割は,病変・腫瘍の進展を正確に観察するための重要なステップである。
現在の慣行は、固形腫瘍の反応評価基準と呼ばれる不正確な代用に依存している。
本稿では,畳み込みニューラルネットワークを用いた弱教師付き病変分割法を提案する。
論文 参考訳（メタデータ） (2020-01-23T15:15:53Z)
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。