論文の概要: Out-of-distribution multi-view auto-encoders for prostate cancer lesion detection

• arxiv url: http://arxiv.org/abs/2308.06481v1
• Date: Sat, 12 Aug 2023 06:33:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 17:02:55.933997
• Title: Out-of-distribution multi-view auto-encoders for prostate cancer lesion detection
• Title（参考訳）: 前立腺癌病変検出のためのアウト・オブ・ディストリビューション多視点オートエンコーダ
• Authors: Alvaro Fernandez-Quilez, Linas Vidziunas, {\O}rjan Kl{\o}vfjell Thoresen, Ketil Oppedal, Svein Reidar Kjosavik, Trygve Eftest{\o}l
• Abstract要約: Unsupervised Out-of-Distribution (OOD) 検出は、アノテーションの少ないデータを必要とする代替手段である。 OOD の応用は、医学データに一般的に見られるクラススキューネスを利用する。 OODアプローチにおけるPCa病変検出の性能向上のために,異なるT2w方向に対応するマルチストリーム手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Traditional deep learning (DL) approaches based on supervised learning paradigms require large amounts of annotated data that are rarely available in the medical domain. Unsupervised Out-of-distribution (OOD) detection is an alternative that requires less annotated data. Further, OOD applications exploit the class skewness commonly present in medical data. Magnetic resonance imaging (MRI) has proven to be useful for prostate cancer (PCa) diagnosis and management, but current DL approaches rely on T2w axial MRI, which suffers from low out-of-plane resolution. We propose a multi-stream approach to accommodate different T2w directions to improve the performance of PCa lesion detection in an OOD approach. We evaluate our approach on a publicly available data-set, obtaining better detection results in terms of AUC when compared to a single direction approach (73.1 vs 82.3). Our results show the potential of OOD approaches for PCa lesion detection based on MRI.
• Abstract（参考訳）: 教師付き学習パラダイムに基づく従来のディープラーニング(DL)アプローチは、医療領域ではほとんど利用できない大量の注釈付きデータを必要とする。 Unsupervised Out-of-Distribution (OOD) 検出は、アノテーションの少ないデータを必要とする代替手段である。 さらに、OODの応用は、医学データに一般的に見られるクラス歪を悪用する。 MRIは前立腺癌(PCa)の診断と管理に有用であることが証明されているが、現在のDLアプローチはT2w軸MRIに依存している。 OODアプローチにおけるPCa病変検出の性能向上のために,異なるT2w方向に対応するマルチストリーム手法を提案する。 提案手法を公開データセット上で評価し,単一方向アプローチ(73.1 vs 82.3)と比較して,AUCによる検出精度が向上した。 以上の結果より,MRIによるPCa病変検出におけるOODの有用性が示唆された。

関連論文リスト

• Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
  unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。 近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。 本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。 実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
  論文  参考訳（メタデータ） (2024-09-05T02:58:13Z)
• Unmasking the Chameleons: A Benchmark for Out-of-Distribution Detection in Medical Tabular Data [1.161962828740753]
  我々は,近距離OODと遠距離OODを含む一連のテストに対して,異なる手法を比較するベンチマークを提案する。 以上の結果から,この問題は遠方のOODでは解決されるが,近方のOODでは未解決であることが明らかとなった。 トランスフォーマーアーキテクチャは、ResNetやResNetと比べてはるかに信頼性が低い。
  論文  参考訳（メタデータ） (2023-09-28T07:52:01Z)
• Polymerized Feature-based Domain Adaptation for Cervical Cancer Dose Map Prediction [11.171148748269927]
  本稿では,別の癌,すなわち直腸癌から学んだ豊富な知識を移植し,頸部癌に対する線量マップ予測性能を向上させることを提案する。 ソース(直腸癌)とターゲット(頸部癌)との先天性領域ギャップを埋めるため,トランスフォーマーを用いた効果的な機能モジュール(PFM)を開発した。 2つの社内臨床データセットによる実験結果から,提案手法が最先端の手法に比べて優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-20T03:00:27Z)
• 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)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Distance-based detection of out-of-distribution silent failures for Covid-19 lung lesion segmentation [0.8200989595956418]
  ディープラーニングモデルは、アウト・オブ・ディストリビューションデータにサイレントに失敗するため、臨床ルーチンに信頼されていない。 特徴空間におけるマハラノビス距離を利用する軽量なOOD検出法を提案する。 胸部CT像の分布変化とMRIの2つの応用について検討した。
  論文  参考訳（メタデータ） (2022-08-05T15:05:23Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Self-transfer learning via patches: A prostate cancer triage approach based on bi-parametric MRI [1.3934382972253603]
  前立腺癌(PCa)は世界で2番目に多いがんである。 現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。 臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-07-22T17:02:38Z)
• ATOM: Robustifying Out-of-distribution Detection Using Outlier Mining [51.19164318924997]
  インフォメーション・アウトリエ・マイニングによるアドリアトレーニングは、OOD検出の堅牢性を向上させる。 ATOMは,古典的,敵対的なOOD評価タスクの幅広いファミリーの下で,最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-06-26T20:58:05Z)
• Robust Out-of-distribution Detection for Neural Networks [51.19164318924997]
  既存の検出機構は, 分布内およびOOD入力の評価において, 極めて脆弱であることを示す。 ALOE と呼ばれる実効性のあるアルゴリズムを提案する。このアルゴリズムは,逆向きに構築された逆数と外数の両方の例にモデルを公開することにより,堅牢なトレーニングを行う。
  論文  参考訳（メタデータ） (2020-03-21T17:46:28Z)

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。