論文の概要: Need for Objective Task-based Evaluation of Deep Learning-Based
Denoising Methods: A Study in the Context of Myocardial Perfusion SPECT
- arxiv url: http://arxiv.org/abs/2303.02110v5
- Date: Sun, 2 Apr 2023 00:18:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 11:46:48.551826
- Title: Need for Objective Task-based Evaluation of Deep Learning-Based
Denoising Methods: A Study in the Context of Myocardial Perfusion SPECT
- Title（参考訳）: Deep Learning-based Denoising Methodの客観的タスクベース評価の必要性:心筋血流SPECTにおける検討
- Authors: Zitong Yu, Md Ashequr Rahman, Richard Laforest, Thomas H. Schindler,
Robert J. Gropler, Richard L. Wahl, Barry A. Siegel, Abhinav K. Jha
- Abstract要約: 本研究は,FoMsによる評価が客観的な臨床的タスクに基づく評価と一致しているかどうかを検討する。
DL-based denoising(DL-based denoising)の効果をFoMsとAUCを用いて評価した。
その結果,DLに基づく認知的アプローチの客観的なタスクベース評価の必要性が示唆された。
- 参考スコア（独自算出の注目度）: 11.559405600109415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence-based methods have generated substantial interest in
nuclear medicine. An area of significant interest has been using deep-learning
(DL)-based approaches for denoising images acquired with lower doses, shorter
acquisition times, or both. Objective evaluation of these approaches is
essential for clinical application. DL-based approaches for denoising
nuclear-medicine images have typically been evaluated using fidelity-based
figures of merit (FoMs) such as RMSE and SSIM. However, these images are
acquired for clinical tasks and thus should be evaluated based on their
performance in these tasks. Our objectives were to (1) investigate whether
evaluation with these FoMs is consistent with objective clinical-task-based
evaluation; (2) provide a theoretical analysis for determining the impact of
denoising on signal-detection tasks; (3) demonstrate the utility of virtual
clinical trials (VCTs) to evaluate DL-based methods. A VCT to evaluate a
DL-based method for denoising myocardial perfusion SPECT (MPS) images was
conducted. The impact of DL-based denoising was evaluated using fidelity-based
FoMs and AUC, which quantified performance on detecting perfusion defects in
MPS images as obtained using a model observer with anthropomorphic channels.
Based on fidelity-based FoMs, denoising using the considered DL-based method
led to significantly superior performance. However, based on ROC analysis,
denoising did not improve, and in fact, often degraded detection-task
performance. The results motivate the need for objective task-based evaluation
of DL-based denoising approaches. Further, this study shows how VCTs provide a
mechanism to conduct such evaluations using VCTs. Finally, our theoretical
treatment reveals insights into the reasons for the limited performance of the
denoising approach.
- Abstract（参考訳）: 人工知能に基づく手法は核医学に大きな関心を呼んだ。
関心のある領域は、低用量、より短い取得時間、あるいは両方で取得した画像を識別するためのディープラーニング(DL)ベースのアプローチである。
これらのアプローチの客観的評価は臨床応用に不可欠である。
dlに基づく核医学画像の脱ノイズ化手法は、一般的にrmseやssimのような忠実度に基づく評価(foms)を用いて評価されている。
しかし,これらの画像は臨床的タスクのために取得され,それらのタスクのパフォーマンスに基づいて評価されるべきである。
本研究の目的は,(1)fomによる評価が客観的な臨床課題に基づく評価と一致しているか,(2)信号検出課題に対する脱音の影響を理論的に決定するための分析を行うこと,(3)dlに基づく方法を評価するための仮想臨床試験(vcts)の有用性を示すことである。
心筋灌流SPECT(MPS)画像の診断にDL法を応用したVCTを施行した。
人為的チャネルを持つモデル観測者を用いて,MPS画像の灌流欠陥検出性能を定量化したFoMsとAUCを用いて,DLベースデノナイジングの効果を評価した。
忠実度をベースとしたFoMでは,DL法を併用することで性能が著しく向上した。
しかし,ROC分析ではデノナイジングは改善せず,実際は検出タスク性能が劣化することが多かった。
その結果、dlに基づく分別手法の客観的タスクベース評価の必要性が高まった。
さらに,本研究では,VCTを用いて評価を行うメカニズムについて述べる。
最後に,提案手法の限定的な性能の理由を理論的に明らかにした。
関連論文リスト
- WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。
WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2024-03-18T11:20:11Z) - KIEval: A Knowledge-grounded Interactive Evaluation Framework for Large Language Models [53.84677081899392]
KIEvalは、大規模言語モデルのための知識ベースでインタラクティブな評価フレームワークである。
動的汚染耐性評価を達成するために、LSMを動力とする"インターアクター"の役割を初めて取り入れている。
5つのデータセットにわたる7つのLLMの大規模な実験により、KIEvalの有効性と一般化が検証された。
論文 参考訳（メタデータ） (2024-02-23T01:30:39Z) - Self-supervised OCT Image Denoising with Slice-to-Slice Registration and
Reconstruction [5.972377737617966]
構造保存ノイズ低減のための学習に基づく自己教師手法は,従来の手法よりも優れた性能を示した。
我々は,OCT画像復調に適したエンドツーエンドの自己教師型学習フレームワークを新たに導入する。
論文 参考訳（メタデータ） (2023-11-26T02:45:16Z) - DEMIST: A deep-learning-based task-specific denoising approach for
myocardial perfusion SPECT [17.994633874783144]
MPI SPECT画像(DEMIST)を識別するタスク固有深層学習手法を提案する。
この手法は、デノゲーションを行う一方で、検出タスクにおけるオブザーバのパフォーマンスに影響を与える特徴を保存するように設計されている。
以上の結果から,MPI SPECTで低位像を呈示するDEMISTのさらなる臨床評価が示唆された。
論文 参考訳（メタデータ） (2023-06-07T08:40:25Z) - A task-specific deep-learning-based denoising approach for myocardial
perfusion SPECT [15.07522345889704]
本稿では,検出タスクの観測者関連情報を保存するために,DLに基づくデノベーション手法を提案する。
提案手法は,低線量画像を用いた場合と比較して,検出タスクの性能が向上することを示す。
論文 参考訳（メタデータ） (2023-03-01T03:33:12Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。
オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。
我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
論文 参考訳（メタデータ） (2022-11-22T11:35:14Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Investigating the limited performance of a deep-learning-based SPECT
denoising approach: An observer-study-based characterization [16.943040406235024]
DLに基づく個別信号特性評価手法のタスクベース評価を行った。
CNNベースのデノイザは、ローカウント画像を処理するために訓練された。
従来の研究と同様に, DLに基づく復調法では, 信号検出タスクの性能は向上しなかった。
論文 参考訳（メタデータ） (2022-03-03T18:51:59Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Self-supervised Dynamic CT Perfusion Image Denoising with Deep Neural
Networks [6.167259271197635]
ダイナミックCT(Dynamic Computed Tomography, CTP)は急性期脳梗塞の診断と評価に有望なアプローチである。
脳小葉の血行動態のパラメトリックマップは、脳内のヨウ素化コントラストの第1パスのCTスキャンから算出される。
診断の信頼性を高めるためには, 画像診断が必要であり, 繰り返しスキャンによる高放射線曝露により, 日常的用途の灌流量を削減する必要がある。
論文 参考訳（メタデータ） (2020-05-19T21:44:07Z)
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。