論文の概要: Metric-guided Image Reconstruction Bounds via Conformal Prediction

• arxiv url: http://arxiv.org/abs/2404.15274v2
• Date: Tue, 2 Jul 2024 03:31:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 07:09:19.938796
• Title: Metric-guided Image Reconstruction Bounds via Conformal Prediction
• Title（参考訳）: 等角的予測による距離誘導画像再構成境界
• Authors: Matt Y Cheung, Tucker J Netherton, Laurence E Court, Ashok Veeraraghavan, Guha Balakrishnan,
• Abstract要約: 本稿では,1つのアルゴリズムが生成した再構成を仮定して,下流のメトリクスの有効かつ分布自由な境界を計算するために,共形予測を用いる。 本研究は,1) 地上の真理を伴わない試験時間画像再構成評価,2) 下流性能保証,3) 有意な上層/下層境界再構成,および4) 有意な統計的不整合/外層再構成を提供する。
• 参考スコア（独自算出の注目度）: 17.252204163950964
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in machine learning have led to the development of novel medical imaging systems and algorithms that address ill-posed problems. Assessing their trustworthiness and understanding how to deploy them safely at test time remains an important and open problem. In this work, we propose using conformal prediction to compute valid and distribution-free bounds on downstream metrics given reconstructions generated by one algorithm, and retrieve upper/lower bounds and inlier/outlier reconstructions according to the adjusted bounds. Our work offers 1) test time image reconstruction evaluation without ground truth, 2) downstream performance guarantees, 3) meaningful upper/lower bound reconstructions, and 4) meaningful statistical inliers/outlier reconstructions. We demonstrate our method on post-mastectomy radiotherapy planning using 3D breast CT reconstructions, and show 1) that metric-guided bounds have valid coverage for downstream metrics while conventional pixel-wise bounds do not and 2) anatomical differences of upper/lower bounds between metric-guided and pixel-wise methods. Our work paves way for more meaningful and trustworthy test-time evaluation of medical image reconstructions. Code available at https://github.com/matthewyccheung/conformal-metric
• Abstract（参考訳）: 機械学習の最近の進歩は、不適切な問題に対処する新しい医療画像システムやアルゴリズムの開発につながっている。 信頼性を評価し、テスト時に安全にデプロイする方法を理解することは、依然として重要かつオープンな問題です。 本研究では,1つのアルゴリズムが生成した下流メトリクスの有効かつ分布自由な境界を等角予測を用いて計算し,調整された境界値に応じて上・下・下・下・下・下・下・下・下・下・下・下界の復元を検索する。 作品紹介 1) 地中真実を伴わないテストタイム画像再構成評価 2)ダウンストリーム性能保証 3)有意義な上・下限の再建、及び 4)有意な統計的不整合/不整合再建を認めた。 3次元胸部CT像を用いた乳癌術後放射線治療計画法について検討し, 報告する。 1) 測度誘導境界が下流の測度に対して有効なカバレッジを持つのに対して、従来の画素単位境界はそうでない。 2) 距離誘導法と画素ワイド法における上/下境界の解剖学的差異について検討した。 我々の研究は、医用画像再構成のより有意義で信頼性の高いテストタイム評価の道を開く。 https://github.com/matthewyccheung/conformal-metricで利用可能なコード

関連論文リスト

• XctDiff: Reconstruction of CT Images with Consistent Anatomical Structures from a Single Radiographic Projection Image [4.169099546864143]
  XctDiffは、単一のラジオグラフからCTを再構成するためのアルゴリズムフレームワークである。 まず,ロバストな3D先行情報を抽出できるプログレッシブな特徴抽出戦略を設計する。 次に,抽出した先行情報を用いて,潜伏空間におけるCT再構成を誘導する。
  論文  参考訳（メタデータ） (2024-06-07T06:50:19Z)
• Adaptive Correspondence Scoring for Unsupervised Medical Image Registration [9.294341405888158]
  既存の手法では、画像再構成を主要な監視信号として用いている。 そこで本研究では,学習中の誤り残差を対応スコアマップで再重み付けする適応フレームワークを提案する。 我々のフレームワークは、量的にも質的にも、他の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-12-01T01:11:22Z)
• Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
  画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。 本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。 この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
  論文  参考訳（メタデータ） (2023-09-19T10:57:53Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Subject-specific quantitative susceptibility mapping using patch based deep image priors [13.734472448148333]
  そこで本研究では,被検者固有のパッチベースの教師なし学習アルゴリズムを提案し,その感受性マップを推定する。 我々は、深層畳み込みニューラルネットワークを用いて、地図のパッチにまたがる冗長性を利用して、問題をうまく解決する。 このアルゴリズムを3次元インビジョデータセットで検証し、競合する手法よりも改良された再構成を実証した。
  論文  参考訳（メタデータ） (2022-10-10T02:28:53Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Validation and Generalizability of Self-Supervised Image Reconstruction Methods for Undersampled MRI [4.832984894979636]
  自己教師型認知とニューラルネットワーク画像を用いた2つの自己教師型アルゴリズムについて検討した。 それらの一般化性は、トレーニングとは異なる実験条件から、前向きにアンダーサンプリングされたデータでテストされた。
  論文  参考訳（メタデータ） (2022-01-29T09:06:04Z)
• 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
  回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。 パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。 本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
  論文  参考訳（メタデータ） (2021-03-30T17:07:49Z)
• Overcoming Measurement Inconsistency in Deep Learning for Linear Inverse Problems: Applications in Medical Imaging [0.9137554315375922]
  ディープニューラルネットワーク(Deep Neural Network, DNN)は、線形逆問題の解法である。 本稿では,DNNの出力を,測定一貫性を強制する最適化アルゴリズムで後処理するフレームワークを提案する。 MR画像を用いた実験により,本手法による測定の整合性向上は再建性能を大きく向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-29T15:19:41Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Structured and Localized Image Restoration [141.75042935077465]
  本稿では,局所的構造予測と非線形マルチタスク学習のアイデアを活用した画像復元手法を提案する。 平均二乗およびユークリッド標準誤差に基づいて対応するエネルギーのアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2020-06-16T15:43:12Z)

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。