論文の概要: Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction
- arxiv url: http://arxiv.org/abs/2404.15274v3
- Date: Tue, 04 Mar 2025 04:07:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:10:58.021981
- Title: Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction
- Title（参考訳）: 確率的画像再構成のためのメトリガイド付きコンフォーマル境界
- Authors: Matt Y Cheung, Tucker J Netherton, Laurence E Court, Ashok Veeraraghavan, Guha Balakrishnan,
- Abstract要約: そこで我々は,ブラックボックス画像再構成アルゴリズムのクレームに有効な予測境界を計算するためのフレームワークを提案する。
本稿では,従来の画素ベースのバウンディング手法よりも意味論的解釈の優れたバウンダリを生成することを示す。
- 参考スコア（独自算出の注目度）: 17.252204163950964
- License:
- Abstract: Modern deep learning reconstruction algorithms generate impressively realistic scans from sparse inputs, but can often produce significant inaccuracies. This makes it difficult to provide statistically guaranteed claims about the true state of a subject from scans reconstructed by these algorithms. In this study, we propose a framework for computing provably valid prediction bounds on claims derived from probabilistic black-box image reconstruction algorithms. The key insights behind our framework are to represent reconstructed scans with a derived clinical metric of interest, and to calibrate bounds on the ground truth metric with conformal prediction (CP) using a prior calibration dataset. These bounds convey interpretable feedback about the subject's state, and can also be used to retrieve nearest-neighbor reconstructed scans for visual inspection. We demonstrate the utility of this framework on sparse-view computed tomography (CT) for fat mass quantification and radiotherapy planning tasks. Results show that our framework produces bounds with better semantical interpretation than conventional pixel-based bounding approaches. Furthermore, we can flag dangerous outlier reconstructions that look plausible but have statistically unlikely metric values.
- Abstract（参考訳）: 現代のディープラーニング再構成アルゴリズムは、スパース入力から驚くほどリアルなスキャンを生成するが、しばしば重大な不正確な結果をもたらす。
これにより、これらのアルゴリズムによって再構成されたスキャンから被検体の真の状態に関する統計的に保証された主張を提供することが困難になる。
本研究では,確率的ブラックボックス画像再構成アルゴリズムから導かれるクレームに有効な予測境界を計算するためのフレームワークを提案する。
我々のフレームワークの背景にある重要な洞察は、関心の導出された臨床指標を用いて再構成されたスキャンを表現し、事前のキャリブレーションデータセットを用いて、コンフォメーション予測(CP)を用いて、基底真理計量上の境界をキャリブレーションすることである。
これらの境界は、被検者の状態に関する解釈可能なフィードバックを伝達し、近くの隣のスキャンを検索して視覚検査に使用することもできる。
本稿では,脂肪量定量化と放射線治療計画におけるスパルス・ビュー・コンピュート・トモグラフィー(CT)の有用性を実証する。
その結果,従来の画素ベースのバウンディング手法よりも意味論的解釈が優れたバウンダリを生成することがわかった。
さらに、統計的に不可能なメトリック値を持つような危険な外れ値の復元をフラグできる。
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。