Fugu-MT 論文翻訳(概要): Exploiting XAI maps to improve MS lesion segmentation and detection in MRI

論文の概要: Exploiting XAI maps to improve MS lesion segmentation and detection in MRI

arxiv url: http://arxiv.org/abs/2409.03772v1
Date: Wed, 21 Aug 2024 07:49:01 GMT
ステータス: 処理完了
システム内更新日: 2024-09-15 05:41:23.410698
Title: Exploiting XAI maps to improve MS lesion segmentation and detection in MRI
Title（参考訳）: MRIにおけるXAIマップによるMS病変のセグメンテーションと検出の改善
Authors: Federico Spagnolo, Nataliia Molchanova, Mario Ocampo Pineda, Lester Melie-Garcia, Meritxell Bach Cuadra, Cristina Granziera, Vincent Andrearczyk, Adrien Depeursinge,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.024819169163989
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To date, several methods have been developed to explain deep learning algorithms for classification tasks. Recently, an adaptation of two of such methods has been proposed to generate instance-level explainable maps in a semantic segmentation scenario, such as multiple sclerosis (MS) lesion segmentation. In the mentioned work, a 3D U-Net was trained and tested for MS lesion segmentation, yielding an F1 score of 0.7006, and a positive predictive value (PPV) of 0.6265. The distribution of values in explainable maps exposed some differences between maps of true and false positive (TP/FP) examples. Inspired by those results, we explore in this paper the use of characteristics of lesion-specific saliency maps to refine segmentation and detection scores. We generate around 21000 maps from as many TP/FP lesions in a batch of 72 patients (training set) and 4868 from the 37 patients in the test set. 93 radiomic features extracted from the first set of maps were used to train a logistic regression model and classify TP versus FP. On the test set, F1 score and PPV were improved by a large margin when compared to the initial model, reaching 0.7450 and 0.7817, with 95% confidence intervals of [0.7358, 0.7547] and [0.7679, 0.7962], respectively. These results suggest that saliency maps can be used to refine prediction scores, boosting a model's performances.
Abstract（参考訳）: これまで,分類タスクの深層学習アルゴリズムを説明するために,いくつかの手法が開発されてきた。近年, 多発性硬化症 (MS) 病変のセグメンテーションなどの意味的セグメンテーションシナリオにおいて, インスタンスレベルの説明可能なマップを生成するための2つの手法の適応が提案されている。以上の研究で、3D U-Netをトレーニングし、MS病変のセグメンテーションの試験を行い、F1スコアは0.7006、PPVは0.6265とした。説明可能な写像における値の分布は、真と偽陽性(TP/FP)の例のいくつかの違いを露呈した。これらの結果から着想を得た本論文では,病変特異的な塩分濃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。 72例(トレーニングセット)のTP/FP病変から約21000点,検査セット中の37例から4868点の地図を作成した。第1組の地図から抽出した93個の放射能特性を用いて,ロジスティック回帰モデルを訓練し,TPとFPの分類を行った。テストセットでは, F1スコアとPPVは, 初期モデルと比較して, 0.7450, 0.7817, 95%信頼区間 [0.7358, 0.7547] と [0.7679, 0.7962] で大きく改善した。これらの結果から, 精度マップを用いて予測スコアを改良し, モデルの性能を向上させることが示唆された。

関連論文リスト

Instance-level quantitative saliency in multiple sclerosis lesion segmentation [1.3504571547122364]
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。
論文参考訳（メタデータ） (2024-06-13T17:17:31Z)
TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
Learning to diagnose common thorax diseases on chest radiographs from radiology reports in Vietnamese [0.33598755777055367]
ベトナムの放射線学報告から情報を抽出し,胸部X線(CXR)画像の正確なラベルを提供するデータ収集・アノテーションパイプラインを提案する。このことは、ベトナムの放射線学者や臨床医が、国によって異なる可能性のある内因性診断カテゴリと密接に一致したデータに注釈を付けることで、ベトナムの放射線技師や臨床医に利益をもたらす可能性がある。
論文参考訳（メタデータ） (2022-09-11T06:06:03Z)
Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文参考訳（メタデータ） (2021-08-21T16:15:40Z)
Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文参考訳（メタデータ） (2021-08-07T10:12:42Z)
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)
A new approach to extracting coronary arteries and detecting stenosis in invasive coronary angiograms [9.733630514873376]
我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
論文参考訳（メタデータ） (2021-01-25T01:48:27Z)
Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
論文参考訳（メタデータ） (2020-12-23T14:38:35Z)
Deep Learning Based Detection and Localization of Intracranial Aneurysms in Computed Tomography Angiography [5.973882600944421]
初期動脈瘤検出のための3D領域提案ネットワークと偽陽性縮小のための3D DenseNetという2段階モデルが実装された。本モデルでは,0.25FPPV,最高F-1スコアと比較すると,統計的に高い精度,感度,特異性を示した。
論文参考訳（メタデータ） (2020-05-22T10:49:23Z)

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。