論文の概要: Instance-level quantitative saliency in multiple sclerosis lesion segmentation
- arxiv url: http://arxiv.org/abs/2406.09335v1
- Date: Thu, 13 Jun 2024 17:17:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-14 16:35:35.052849
- Title: Instance-level quantitative saliency in multiple sclerosis lesion segmentation
- Title（参考訳）: 多発性硬化性病変の分節におけるインスタンスレベルの定量化
- Authors: Federico Spagnolo, Nataliia Molchanova, Roger Schaer, Meritxell Bach Cuadra, Mario Ocampo Pineda, Lester Melie-Garcia, Cristina Granziera, Vincent Andrearczyk, Adrien Depeursinge,
- Abstract要約: 本稿では,SmoothGrad と Grad-CAM++ に基づくセマンティックセグメンテーションのための2つのインスタンスレベルの説明マップを提案する。
多発性硬化症(MS)における白質病変(WML)の検出とセグメンテーションの関連について検討した。
データはトレーニング、検証、テストセットにランダムに分割され、MS病変のセグメンテーションのために3D U-Netをトレーニングした。
- 参考スコア（独自算出の注目度）: 1.3504571547122364
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, explainable methods for artificial intelligence (XAI) have tried to reveal and describe models' decision mechanisms in the case of classification tasks. However, XAI for semantic segmentation and in particular for single instances has been little studied to date. Understanding the process underlying automatic segmentation of single instances is crucial to reveal what information was used to detect and segment a given object of interest. In this study, we proposed two instance-level explanation maps for semantic segmentation based on SmoothGrad and Grad-CAM++ methods. Then, we investigated their relevance for the detection and segmentation of white matter lesions (WML), a magnetic resonance imaging (MRI) biomarker in multiple sclerosis (MS). 687 patients diagnosed with MS for a total of 4043 FLAIR and MPRAGE MRI scans were collected at the University Hospital of Basel, Switzerland. Data were randomly split into training, validation and test sets to train a 3D U-Net for MS lesion segmentation. We observed 3050 true positive (TP), 1818 false positive (FP), and 789 false negative (FN) cases. We generated instance-level explanation maps for semantic segmentation, by developing two XAI methods based on SmoothGrad and Grad-CAM++. We investigated: 1) the distribution of gradients in saliency maps with respect to both input MRI sequences; 2) the model's response in the case of synthetic lesions; 3) the amount of perilesional tissue needed by the model to segment a lesion. Saliency maps (based on SmoothGrad) in FLAIR showed positive values inside a lesion and negative in its neighborhood. Peak values of saliency maps generated for these four groups of volumes presented distributions that differ significantly from one another, suggesting a quantitative nature of the proposed saliency. Contextual information of 7mm around the lesion border was required for their segmentation.
- Abstract（参考訳）: 近年,人工知能(XAI)のための説明可能な手法が,分類タスクの場合のモデル決定機構を明らかにし,記述しようと試みている。
しかし、セマンティックセグメンテーションのためのXAI、特に単一インスタンスについては、これまではほとんど研究されていない。
単一のインスタンスの自動セグメンテーションの根底にあるプロセスを理解することは、特定の関心対象を検出し、セグメンテーションするためにどのような情報が使われたかを明らかにするために不可欠である。
本研究では,SmoothGrad法とGrad-CAM++法に基づくセマンティックセグメンテーションのための2つのインスタンスレベルの説明マップを提案する。
多発性硬化症(MS)におけるMRIバイオマーカーである白質病変(WML)の検出とセグメンテーションの関連について検討した。
スイスのバーゼル大学病院で計4043 FLAIR と MPRAGE MRI でMSと診断された687例を収集した。
データはトレーニング、検証、テストセットにランダムに分割され、MS病変のセグメンテーションのために3D U-Netをトレーニングした。
偽陽性は3050例,偽陽性は1818例,偽陰性は789例であった。
我々は,SmoothGradとGrad-CAM++をベースとした2つのXAI手法を開発し,セマンティックセグメンテーションのためのインスタンスレベルの説明マップを生成する。
調査を行った。
1) 両入力MRIシーケンスに対する唾液度マップの勾配分布
2 合成病変の場合におけるモデルの応答
3) 病変の分節に必要な回腸組織量について検討した。
FLAIRのSmoothGradをベースとした唾液マップでは, 病変内において正の値を示し, 近傍では負の値を示した。
これら4つの巻群で生成した塩分分布のピーク値は, 互いに大きく異なる分布を示し, 提案した塩分濃度の定量的性質を示唆した。
病変境界付近7mmの文脈情報が必要であった。
関連論文リスト
- SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。
SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。
Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文 参考訳（メタデータ） (2024-11-14T17:06:00Z) - Exploiting XAI maps to improve MS lesion segmentation and detection in MRI [1.024819169163989]
本研究は, 病変特異的唾液度マップの特性を利用して, セグメンテーションと検出スコアを洗練させる方法について検討する。
第1組の地図から抽出した93個の放射能特性をロジスティック回帰モデルの訓練に用いた。
テストセットでは,初期モデルと比較してF1スコアとPPVが大きなマージンで改善された。
論文 参考訳（メタデータ） (2024-08-21T07:49:01Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised
Semantic Segmentation with Multi-scale Inference [28.409679398886304]
我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。
地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
論文 参考訳（メタデータ） (2022-05-06T08:37:02Z) - Multiple Sclerosis Lesions Segmentation using Attention-Based CNNs in
FLAIR Images [0.2578242050187029]
多発性硬化症(Multiple Sclerosis、MS)は、中枢神経系の病変を引き起こす自己免疫性脱髄性疾患である。
今のところ、病変の分断には多要素自動バイオメディカルアプローチが多用されている。
著者らは1つのモダリティ(FLAIR画像)を用いてMS病変を正確に分類する方法を提案する。
論文 参考訳（メタデータ） (2022-01-05T21:37:43Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳（メタデータ） (2021-07-06T14:50:03Z) - Dopamine Transporter SPECT Image Classification for Neurodegenerative
Parkinsonism via Diffusion Maps and Machine Learning Classifiers [0.0]
本研究では, SPECT イメージを通常の DaT-SPECT イメージ群と異常 DaT-SPECT イメージ群の2種類に分類する,自動的かつ堅牢な方法を提案する。
N患者の3D画像はN by Nペアワイズ距離行列にマッピングされ、トレーニングセットは拡散マップを使用して低次元空間に埋め込まれる。
この方法の実現可能性は、Parkinsonism Progression Markers Initiative(PPMI)データセット1097の被験者と630人の患者のKCGMH-TW(Kohsiung Chang Gung Memorial Hospital)からの臨床コホートによって実証される。
論文 参考訳（メタデータ） (2021-04-06T06:30:15Z) - Semantic Segmentation of Histopathological Slides for the Classification
of Cutaneous Lymphoma and Eczema [4.4154284772781525]
真菌症(Mycosis fungoides, MF)は、皮膚疾患を発症する稀な疾患である。
病理医の意思決定プロセスに2倍の価値をもたらす深層学習支援診断ツールを導入する。
論文 参考訳（メタデータ） (2020-09-10T13:49:38Z) - Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided
Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。
CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。
深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文 参考訳（メタデータ） (2020-08-05T08:49:20Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。