論文の概要: On undesired emergent behaviors in compound prostate cancer detection systems
- arxiv url: http://arxiv.org/abs/2309.08381v2
- Date: Sat, 15 Feb 2025 08:47:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:03:08.649423
- Title: On undesired emergent behaviors in compound prostate cancer detection systems
- Title（参考訳）: 複合前立腺癌検出系における望ましくない創発性行動について
- Authors: Erlend Sortland Rolfsnes, Philip Thangngat, Trygve Eftestøl, Tobias Nordström, Fredrik Jäderling, Martin Eklund, Alvaro Fernandez-Quilez,
- Abstract要約: 臨床的に有意なPC病変検出システムの評価を行った。
実シナリオにおいて, 複合系の脱線能力に有意な差異が認められた。
- 参考スコア（独自算出の注目度）: 0.4324342847944414
- License:
- Abstract: Artificial intelligence systems show promise to aid in the di- agnostic pathway of prostate cancer (PC), by supporting radiologists in interpreting magnetic resonance images (MRI) of the prostate. Most MRI-based systems are designed to detect clinically significant PC le- sions, with the main objective of preventing over-diagnosis. Typically, these systems involve an automatic prostate segmentation component and a clinically significant PC lesion detection component. In spite of the compound nature of the systems, evaluations are presented assum- ing a standalone clinically significant PC detection component. That is, they are evaluated in an idealized scenario and under the assumption that a highly accurate prostate segmentation is available at test time. In this work, we aim to evaluate a clinically significant PC lesion de- tection system accounting for its compound nature. For that purpose, we simulate a realistic deployment scenario and evaluate the effect of two non-ideal and previously validated prostate segmentation modules on the PC detection ability of the compound system. Following, we com- pare them with an idealized setting, where prostate segmentations are assumed to have no faults. We observe significant differences in the de- tection ability of the compound system in a realistic scenario and in the presence of the highest-performing prostate segmentation module (DSC: 90.07+-0.74), when compared to the idealized one (AUC: 77.93 +- 3.06 and 84.30+- 4.07, P<.001). Our results depict the relevance of holistic evalu- ations for PC detection compound systems, where interactions between system components can lead to decreased performance and degradation at deployment time.
- Abstract（参考訳）: 人工知能システムは、前立腺癌の磁気共鳴画像(MRI)の解釈において、放射線学者を支援することにより、前立腺癌(PC)の2つの診断経路を支援することを約束している。
ほとんどのMRIベースのシステムは臨床的に重要なPCレジンを検出するように設計されており、診断過剰を防ぐことが主な目的である。
通常、これらのシステムは自動前立腺分画成分と臨床的に重要なPC病変検出成分を含む。
システムの複雑な性質にもかかわらず、臨床上重要なPC検出成分として単独で行うと評価される。
つまり、それらは理想化されたシナリオで評価され、テスト時に非常に正確な前立腺のセグメンテーションが利用できるという仮定の下で評価される。
本研究は, 臨床的に有意なPC病変検出システムの評価を目的としている。
そこで本研究では, 現実的な展開シナリオをシミュレートし, 2つの非理想的および以前に検証された前立腺分節モジュールが複合システムのPC検出能力に与える影響を評価する。
次に、前立腺のセグメンテーションに欠陥がないと仮定した理想的な設定でそれらを要約する。
実シナリオにおける複合系の脱線能力と, 理想化モジュール (AUC: 77.93+-3.06, 84.30+-4.07, P<.001) と比較して, 高い性能を有する前立腺分節モジュール (DSC: 90.07+-0.74) の存在で有意差が認められた。
本研究は,PC検出複合システムにおいて,システムコンポーネント間の相互作用によって性能が低下し,展開時の劣化が生じるという,全体論的評価の関連性について述べる。
関連論文リスト
- Cancer-Net PCa-Seg: Benchmarking Deep Learning Models for Prostate Cancer Segmentation Using Synthetic Correlated Diffusion Imaging [65.83291923029985]
前立腺癌(PCa)は米国で最も多いがんであり、約30,000人、全診断の29%、2024年に35,000人が死亡した。
前立腺特異的抗原 (PSA) 検査やMRI (MRI) などの従来のスクリーニング法は診断において重要であるが、特異性や一般化性には限界がある。
我々はU-Net、SegResNet、Swin UNETR、Attention U-Net、LightM-UNetといった最先端のディープラーニングモデルを用いて、200ドルのCDIからPCa病変を抽出する。
論文 参考訳（メタデータ） (2025-01-15T22:23:41Z) - Mixed Supervision of Histopathology Improves Prostate Cancer
Classification from MRI [0.9395521049323435]
MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。
患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
論文 参考訳（メタデータ） (2022-12-13T02:34:57Z) - ProstAttention-Net: A deep attention model for prostate cancer
segmentation by aggressiveness in MRI scans [4.964026843682986]
本稿では,前立腺と癌病変をGleason score (GS) group gradingと共同で分割する,新しいエンドツーエンドのマルチクラスネットワークを提案する。
前立腺全体の2.9偽陽性では69.0%$pm$14.5%、末梢領域(PZ)のみを考慮すると1.5偽陽性では70.8%$pm$14.4%である。
論文 参考訳（メタデータ） (2022-11-23T16:21:21Z) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳（メタデータ） (2022-05-11T09:12:59Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - 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) - 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) - Anatomical and Diagnostic Bayesian Segmentation in Prostate MRI
$-$Should Different Clinical Objectives Mandate Different Loss Functions? [0.3149883354098941]
前立腺MRIにおける解剖・悪性度のボクセルレベルの分類は, 最適な成績を得るために異なる損失関数を必要とする。
ProstateXデータセットを用いて,200件の患者試験において,各タスクの分布,領域,境界に基づく損失関数について検討した。
論文 参考訳（メタデータ） (2021-10-25T12:44:52Z) - A clinical validation of VinDr-CXR, an AI system for detecting abnormal
chest radiographs [0.0]
X線スキャンで異常を検出するためのAIベースのシステムを検証するメカニズムを実証する。
このシステムは、胸部X線上の異常を検出するためのF1スコア(リコールのハーモニック平均と精度-0.653 CI 0.635, 0.671)を達成する。
論文 参考訳（メタデータ） (2021-04-06T02:53:35Z) - End-to-end Prostate Cancer Detection in bpMRI via 3D CNNs: Effect of
Attention Mechanisms, Clinical Priori and Decoupled False Positive Reduction [0.0]
本研究では、Bi-parametric MR Imaging (bpMRI) における臨床的に重要な前立腺癌(csa)の自動局在化のための新しい3Dコンピュータ支援診断モデルを提案する。
ディープアテンションメカニズムはその検出ネットワークを駆動し、多解像度で健全な構造と高度に識別可能な特徴次元をターゲットにしている。
CNNベースのモデルは、独立コホートにおける生検で確認された悪性腫瘍を検出するために訓練することができる。
論文 参考訳（メタデータ） (2021-01-08T22:59:30Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。