論文の概要: Investigating Gender Bias in Lymph-node Segmentation with Anatomical Priors

• arxiv url: http://arxiv.org/abs/2409.15888v1
• Date: Tue, 24 Sep 2024 09:00:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 08:21:18.649832
• Title: Investigating Gender Bias in Lymph-node Segmentation with Anatomical Priors
• Title（参考訳）: 解剖学的先行性リンパ節郭清における性バイアスの検討
• Authors: Ricardo Coimbra Brioso, Damiano Dei, Nicola Lambri, Pietro Mancosu, Marta Scorsetti, Daniele Loiacono,
• Abstract要約: 本研究は、CTVセグメンテーションを改善するために、解剖学的事前(AP)情報として、より単純でよく区切られた構造(例えば、OAR)を使用することを検討する。 以上の結果から,女性患者,特に腹部領域において,先行知識の活用がセグメンテーションの質を高め,男女差を減少させることが明らかとなった。
• 参考スコア（独自算出の注目度）: 1.8692054990918074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radiotherapy requires precise segmentation of organs at risk (OARs) and of the Clinical Target Volume (CTV) to maximize treatment efficacy and minimize toxicity. While deep learning (DL) has significantly advanced automatic contouring, complex targets like CTVs remain challenging. This study explores the use of simpler, well-segmented structures (e.g., OARs) as Anatomical Prior (AP) information to improve CTV segmentation. We investigate gender bias in segmentation models and the mitigation effect of the prior information. Findings indicate that incorporating prior knowledge with the discussed strategies enhances segmentation quality in female patients and reduces gender bias, particularly in the abdomen region. This research provides a comparative analysis of new encoding strategies and highlights the potential of using AP to achieve fairer segmentation outcomes.
• Abstract（参考訳）: 放射線療法は、治療効果の最大化と毒性の最小化のために、リスクのある臓器(OAR)と臨床ターゲットボリューム(CTV)の正確なセグメンテーションを必要とする。 ディープラーニング(DL)は大幅に進歩しているが、CTVのような複雑なターゲットは依然として困難である。 本研究は,CTVセグメンテーションを改善するために,解剖学的先行情報(AP)として,よりシンプルでよく区切られた構造(例えばOAR)を使用することを検討する。 セグメンテーションモデルにおける性別バイアスと先行情報の緩和効果について検討する。 以上の結果から,女性患者,特に腹部領域において,先行知識の活用がセグメンテーションの質を高め,男女差を減少させることが明らかとなった。 本研究は、新しいエンコーディング戦略の比較分析を行い、より公平なセグメンテーション結果を達成するためにAPを使用する可能性を強調する。

関連論文リスト

• AI-based Automatic Segmentation of Prostate on Multi-modality Images: A Review [17.187976904150545]
  前立腺癌患者の死亡率の低下には早期発見が不可欠である。 前立腺のセグメンテーションは、画像と前立腺の複雑な組織構造に欠陥があるため困難である。 最近の機械学習とデータマイニングツールは、画像セグメンテーションを含む様々な医療分野に統合されている。
  論文  参考訳（メタデータ） (2024-07-09T07:36:18Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• AG-CRC: Anatomy-Guided Colorectal Cancer Segmentation in CT with Imperfect Anatomical Knowledge [9.961742312147674]
  自動生成臓器マスクを利用する新しい解剖ガイドセグメンテーションフレームワークを開発した。 提案手法を2つのCRCセグメンテーションデータセット上で広範囲に評価する。
  論文  参考訳（メタデータ） (2023-10-07T03:22:06Z)
• Learning Unbiased Image Segmentation: A Case Study with Plain Knee Radiographs [0.4174498230885008]
  本研究は, 身近な性別や人種的偏見を明らかにするために, 平易なX線写真を用いて, 深層学習による膝骨解剖の分類を再検討することを目的とする。 提案された緩和戦略は、性別と人種の偏見を緩和し、公平で偏見のないセグメンテーション結果を保証する。
  論文  参考訳（メタデータ） (2023-08-08T16:01:11Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• RCA-IUnet: A residual cross-spatial attention guided inception U-Net model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
  本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。 RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。 無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
  論文  参考訳（メタデータ） (2021-08-05T10:35:06Z)
• FocusNetv2: Imbalanced Large and Small Organ Segmentation with Adversarial Shape Constraint for Head and Neck CT Images [82.48587399026319]
  organ-at-risk (oars) は、健康な臓器の損傷を避けるために放射線治療計画において重要なステップである。 本研究では,この課題を解決するために,2段階の深層ニューラルネットワークであるFocusNetv2を提案する。 従来のFocusNetに加えて,小臓器に新たな対角的形状制約を導入し,推定小臓器形状と臓器形状との整合性を確保する。
  論文  参考訳（メタデータ） (2021-04-05T04:45:31Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Weakly-Supervised Lesion Segmentation on CT Scans using Co-Segmentation [18.58056402884405]
  CTスキャンにおける病変分割は,病変・腫瘍の進展を正確に観察するための重要なステップである。 現在の慣行は、固形腫瘍の反応評価基準と呼ばれる不正確な代用に依存している。 本稿では,畳み込みニューラルネットワークを用いた弱教師付き病変分割法を提案する。
  論文  参考訳（メタデータ） (2020-01-23T15:15:53Z)

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。