論文の概要: Domain shifts in dermoscopic skin cancer datasets: Evaluation of
essential limitations for clinical translation
- arxiv url: http://arxiv.org/abs/2304.06968v2
- Date: Tue, 18 Apr 2023 08:20:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 11:23:08.004406
- Title: Domain shifts in dermoscopic skin cancer datasets: Evaluation of
essential limitations for clinical translation
- Title（参考訳）: 皮膚内視鏡的皮膚癌データセットにおけるドメインシフト : 臨床翻訳に必須限度の評価
- Authors: Katharina Fogelberg, Sireesha Chamarthi, Roman C. Maron, Julia
Niebling, Titus J. Brinker
- Abstract要約: メタデータに基づいて,ISICアーカイブから公開されている画像をグループ化し,意味のある領域を生成する。
複数の定量化手法を用いて、領域シフトの存在と強度を推定した。
グループ化されたドメインのほとんどでは、実際にはドメインシフトが存在します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The limited ability of Convolutional Neural Networks to generalize to images
from previously unseen domains is a major limitation, in particular, for
safety-critical clinical tasks such as dermoscopic skin cancer classification.
In order to translate CNN-based applications into the clinic, it is essential
that they are able to adapt to domain shifts. Such new conditions can arise
through the use of different image acquisition systems or varying lighting
conditions. In dermoscopy, shifts can also occur as a change in patient age or
occurence of rare lesion localizations (e.g. palms). These are not prominently
represented in most training datasets and can therefore lead to a decrease in
performance. In order to verify the generalizability of classification models
in real world clinical settings it is crucial to have access to data which
mimics such domain shifts. To our knowledge no dermoscopic image dataset exists
where such domain shifts are properly described and quantified. We therefore
grouped publicly available images from ISIC archive based on their metadata
(e.g. acquisition location, lesion localization, patient age) to generate
meaningful domains. To verify that these domains are in fact distinct, we used
multiple quantification measures to estimate the presence and intensity of
domain shifts. Additionally, we analyzed the performance on these domains with
and without an unsupervised domain adaptation technique. We observed that in
most of our grouped domains, domain shifts in fact exist. Based on our results,
we believe these datasets to be helpful for testing the generalization
capabilities of dermoscopic skin cancer classifiers.
- Abstract（参考訳）: 畳み込みニューラルネットワークによる画像への一般化能力の制限は、特に皮膚内視鏡的皮膚がん分類のような安全性に重要な臨床的タスクに対する大きな制限である。
cnnベースのアプリケーションをクリニックに翻訳するには、彼らがドメインシフトに適応できることが不可欠である。
このような新しい条件は、異なる画像取得システムや様々な照明条件を使用することによって生じる。
皮膚内視鏡では、シフトは患者の年齢の変化や、稀な病変の局在(例えば手のひら)によって起こることもある。
これらはほとんどのトレーニングデータセットで顕著に表現されていないため、パフォーマンスが低下する可能性がある。
実際の臨床現場における分類モデルの一般化性を検証するためには,そのような領域シフトを模倣したデータにアクセスすることが重要である。
私たちの知識では、そのような領域シフトが適切に記述され、定量化されるような、dermoscopic imageデータセットは存在しない。
そこで我々は,isicアーカイブのメタデータ(獲得位置,病変の局在,患者年齢など)に基づいて公開画像を作成し,有意義なドメインを生成する。
これらの領域が実際には異なることを確認するために、複数の定量化尺度を用いて領域シフトの存在度と強度を推定した。
さらに,教師なしのドメイン適応手法を使わずに,これらのドメインの性能を解析した。
グループ化されたドメインのほとんどは、実際にはドメインシフトが存在する。
以上の結果から,これらのデータセットは皮膚内視鏡的皮膚癌分類器の一般化能力の検証に有用であると考えられた。
関連論文リスト
- Generalizing to Unseen Domains in Diabetic Retinopathy with Disentangled Representations [32.7667209371645]
既存のモデルは、ドメインシフトのため、目に見えないドメインで顕著なパフォーマンス劣化を経験します。
本稿では,異なるドメインのペアデータの表現をセマンティックな特徴とドメインノイズに分離する新しいフレームワークを提案する。
結果として得られる拡張表現は、他のドメインからの独自の網膜意味論とドメインノイズを含み、実際の臨床ニーズに合わせて拡張表現を生成することを目的としている。
論文 参考訳（メタデータ） (2024-06-10T15:43:56Z) - Mitigating the Influence of Domain Shift in Skin Lesion Classification:
A Benchmark Study of Unsupervised Domain Adaptation Methods on Dermoscopic
Images [3.2186308082558632]
皮膚病変分類におけるディープニューラルネットワークの可能性は、皮膚科医の診断に勝るものではないが、すでに実証されている。
これらのモデルの性能は通常、テストデータがトレーニングデータ(ドメインシフト)と大きく異なるときに劣化する。
本研究では,8種類の非教師付き領域適応手法の詳細な解析を行い,その適用性を検討した。
論文 参考訳（メタデータ） (2023-10-05T10:17:47Z) - Generalizing Across Domains in Diabetic Retinopathy via Variational
Autoencoders [0.0]
糖尿病網膜症分類のための領域一般化は、モデルが網膜画像の適切な分類を可能にする。
本研究では, 変分オートエンコーダの固有容量を考察し, 基礎画像の潜伏空間を乱す方法について検討した。
論文 参考訳（メタデータ） (2023-09-20T13:29:22Z) - Dis-AE: Multi-domain & Multi-task Generalisation on Real-World Clinical
Data [0.0]
本稿では,新しい非交叉型オートエンコーダ(Dis-AE)ニューラルネットワークアーキテクチャを提案する。
Dis-AEは、医療測定のマルチラベル分類のためのドメイン不変データ表現を学習する。
人工的データセットと血液提供者からの全血液量(FBC)データに基づいて,モデルの領域一般化能力を評価する。
論文 参考訳（メタデータ） (2023-06-15T14:56:37Z) - Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。
提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。
提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文 参考訳（メタデータ） (2023-03-17T18:00:27Z) - Multi-Scale Multi-Target Domain Adaptation for Angle Closure
Classification [50.658613573816254]
角度閉包分類のためのM2DAN(Multi-scale Multi-target Domain Adversarial Network)を提案する。
異なるスケールでのこれらのドメイン不変性に基づいて、ソースドメインで訓練されたディープモデルは、複数のターゲットドメインの角度クロージャを分類することができる。
論文 参考訳（メタデータ） (2022-08-25T15:27:55Z) - Hospital-Agnostic Image Representation Learning in Digital Pathology [0.7412445894287709]
デジタル病理学における全スライド画像(WSI)は、がんの亜型を診断するために用いられる。
各種試験場でのWSI取得手順の違いは,病理組織像の変動を引き起こす。
本研究では,DNN(Deep Neural Network)の一般化能力向上のために,ドメイン一般化手法を活用する。
論文 参考訳（メタデータ） (2022-04-05T11:45:46Z) - Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using
Vessel Image Reconstruction [61.58601145792065]
我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。
私たちのアプローチは既存のドメイン戦略よりも優れています。
論文 参考訳（メタデータ） (2021-07-20T09:44:07Z) - DoFE: Domain-oriented Feature Embedding for Generalizable Fundus Image
Segmentation on Unseen Datasets [96.92018649136217]
対象ドメインに対するCNNの一般化能力を向上させるために,新しいドメイン指向特徴埋め込み(DoFE)フレームワークを提案する。
私たちのDoFEフレームワークは、マルチソースドメインから学んだ追加のドメイン事前知識で、画像機能を動的に強化します。
本フレームワークは、未確認データセットのセグメンテーション結果を満足して生成し、他の領域の一般化やネットワークの正規化手法を超越する。
論文 参考訳（メタデータ） (2020-10-13T07:28:39Z) - Domain Generalization for Medical Imaging Classification with
Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。
医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文 参考訳（メタデータ） (2020-09-27T12:30:30Z) - Phase Consistent Ecological Domain Adaptation [76.75730500201536]
意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。
視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。
第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
論文 参考訳（メタデータ） (2020-04-10T06:58:03Z)
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。