論文の概要: Explainable vertebral fracture analysis with uncertainty estimation using differentiable rule-based classification

• arxiv url: http://arxiv.org/abs/2407.02926v1
• Date: Wed, 3 Jul 2024 08:57:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 14:55:24.589308
• Title: Explainable vertebral fracture analysis with uncertainty estimation using differentiable rule-based classification
• Title（参考訳）: 異なる規則に基づく分類を用いた不確実性推定を用いた説明可能な脊椎骨折解析
• Authors: Victor Wåhlstrand Skärström, Lisa Johansson, Jennifer Alvén, Mattias Lorentzon, Ida Häggström,
• Abstract要約: 深部神経回路を用いた低用量XVFAを用いた新しい脊椎骨折診断法を提案する。 我々はGenantの半定量基準を、椎骨骨折の成績と形態を分類する異なる規則に基づく方法として取り入れた。
• 参考スコア（独自算出の注目度）: 0.07539652433311492
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a novel method for explainable vertebral fracture assessment (XVFA) in low-dose radiographs using deep neural networks, incorporating vertebra detection and keypoint localization with uncertainty estimates. We incorporate Genant's semi-quantitative criteria as a differentiable rule-based means of classifying both vertebra fracture grade and morphology. Unlike previous work, XVFA provides explainable classifications relatable to current clinical methodology, as well as uncertainty estimations, while at the same time surpassing state-of-the art methods with a vertebra-level sensitivity of 93% and end-to-end AUC of 97% in a challenging setting. Moreover, we compare intra-reader agreement with model uncertainty estimates, with model reliability on par with human annotators.
• Abstract（参考訳）: 深部神経回路を用いた低用量XVFAによる脊椎骨折の診断法について検討した。 我々はGenantの半定量基準を、椎骨骨折の成績と形態を分類する異なる規則に基づく方法として取り入れた。 以前の研究とは異なり、XVFAは現在の臨床方法論と関連する説明可能な分類と不確実性評価を提供し、同時に脊椎レベルの感度が93%、エンドツーエンドのAUCが97%の最先端の手法を超越している。 さらに, モデル不確実性の推定値と, 人間のアノテータと同等の信頼性のモデルとの可読性の比較を行った。

関連論文リスト

• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• Uncertainty-aware deep learning methods for robust diabetic retinopathy classification [10.31218508319393]
  臨床データセットと臨床関連5クラス分類法を体系的に検討し,新しい結果を得た。 我々は、不確実性尺度と分類器リスクの関連を導き、そこから新たな不確実性尺度を開発する。 先程提案したエントロピーに基づく不確実性尺度は,2次分類法では臨床データセットに一般化されるが,5クラス法では適用されない。
  論文  参考訳（メタデータ） (2022-01-22T13:00:58Z)
• Exploring Instance-Level Uncertainty for Medical Detection [16.637462795585773]
  本研究では、2つの異なる境界ボックスレベル(またはインスタンスレベル)の不確実性推定で2.5D検出CNNを増強する。 LUNA16データセットの肺結節検出のための実験は、重要な意味的曖昧さが存在する可能性があるタスクである。 その結果,両種類の分散の組み合わせを用いて評価スコアを84.57%から88.86%に改善した。
  論文  参考訳（メタデータ） (2020-12-23T18:46:37Z)
• Classification with Rejection Based on Cost-sensitive Classification [83.50402803131412]
  学習のアンサンブルによる拒絶を用いた新しい分類法を提案する。 実験により, クリーン, ノイズ, 正の未ラベル分類における提案手法の有用性が示された。
  論文  参考訳（メタデータ） (2020-10-22T14:05:05Z)
• Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection [58.984536305767996]
  自動椎骨骨折検出のための表現学習型アプローチを提案する。 本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。 一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
  論文  参考訳（メタデータ） (2020-08-18T10:03:45Z)
• Diagnostic Uncertainty Calibration: Towards Reliable Machine Predictions in Medical Domain [20.237847764018138]
  本稿では,ラベルの不確実性の存在下でのクラス確率推定(CPE)の評価フレームワークを提案する。 また,レータ間不一致を含む高次統計量の評価指標を定式化した。 提案手法は,不確実性推定の信頼性を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2020-07-03T12:54:08Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Variational Inference and Bayesian CNNs for Uncertainty Estimation in Multi-Factorial Bone Age Prediction [1.0323063834827415]
  法医学では、識別文書が入手できないアプリケーションにおいて、未知の時系列(CA)を評価するために生物学的年齢(BA)が用いられる。 我々は変分推論手法を用いてベイズCNNモデルの不確かさを推定した。
  論文  参考訳（メタデータ） (2020-02-25T12:30:21Z)

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。