論文の概要: Understanding implementation pitfalls of distance-based metrics for image segmentation

• arxiv url: http://arxiv.org/abs/2410.02630v2
• Date: Thu, 31 Jul 2025 12:31:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:08.114836
• Title: Understanding implementation pitfalls of distance-based metrics for image segmentation
• Title（参考訳）: 画像セグメンテーションのための距離ベースメトリクスの実装落とし穴の理解
• Authors: Gasper Podobnik, Tomaz Vrtovec,
• Abstract要約: 距離に基づくメトリクスは、(バイオ)医療画像におけるセグメンテーション性能の検証に広く用いられている。 彼らの実装は複雑で、オープンソースツール間の重要な違いは、コミュニティによってほとんど認識されていないままである。 本研究は,距離に基づく計量計算を実装した11のオープンソースツールを系統的に識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Distance-based metrics, such as the Hausdorff distance (HD), are widely used to validate segmentation performance in (bio)medical imaging. However, their implementation is complex, and critical differences across open-source tools remain largely unrecognized by the community. These discrepancies undermine benchmarking efforts, introduce bias in biomarker calculations, and potentially distort medical device development and clinical commissioning. In this study, we systematically dissect 11 open-source tools that implement distance-based metric computation by performing both a conceptual analysis of their computational steps and an empirical analysis on representative two- and three-dimensional image datasets. Alarmingly, we observed deviations in HD exceeding 100 mm and identified multiple statistically significant differences between tools - demonstrating that statistically significant improvements on the same set of segmentations can be achieved simply by selecting a particular implementation. These findings cast doubts on the validity of prior comparisons of results across studies without accounting for the differences in metric implementations. To address this, we provide practical recommendations for tool selection; additionally, our conceptual analysis informs about the future evolution of implementing open-source tools.
• Abstract（参考訳）: Hausdorff distance (HD) のような距離に基づくメトリクスは、(バイオ)医用画像におけるセグメンテーション性能の検証に広く用いられている。 しかし、それらの実装は複雑であり、オープンソースツール間の重要な違いは、コミュニティによってほとんど認識されていないままである。 これらの不一致は、ベンチマークの取り組みを弱め、バイオマーカーの計算に偏りを導入し、潜在的に医療機器の開発と臨床試験を歪める可能性がある。 本研究では,その計算ステップの概念的解析と代表的2次元および3次元画像データセットの実証的解析の両方を実行することにより,距離に基づく計量計算を実現する11のオープンソースツールを体系的に識別する。 同時に,HDの偏差が100mmを超え,ツール間の統計的に有意な差が複数見出され,同じセグメンテーションの統計的に有意な改善が,特定の実装を選択するだけで達成できることが示されている。 これらの結果から,メートル法実装の違いを考慮せずに,従来の比較結果の有効性に疑問が呈された。 これを解決するために,我々は,ツール選択のための実用的な推奨事項を提供し,また,オープンソースツールの実装の今後の進化について,概念分析を行った。

関連論文リスト

• Metrics for Inter-Dataset Similarity with Example Applications in Synthetic Data and Feature Selection Evaluation -- Extended Version [1.6863735232819916]
  既存のデータセット間の類似度を測定する方法は計算コストが高く、制限され、異なるエンティティに敏感である。 データセット間の類似度を測定するための2つの新しい指標を提案する。
  論文  参考訳（メタデータ） (2025-01-16T15:17:27Z)
• Evaluating Representational Similarity Measures from the Lens of Functional Correspondence [1.7811840395202345]
  神経科学と人工知能(AI)はどちらも、高次元のニューラルネットワークの解釈という課題に直面している。 表象比較が広く使われているにもかかわらず、重要な疑問が残る: どの指標がこれらの比較に最も適しているのか?
  論文  参考訳（メタデータ） (2024-11-21T23:53:58Z)
• Every Component Counts: Rethinking the Measure of Success for Medical Semantic Segmentation in Multi-Instance Segmentation Tasks [60.80828925396154]
  本稿では,新しいセマンティックセグメンテーション評価プロトコルであるConnected-Component (CC)-Metricsを提案する。 本研究は,全体PET/CTにおけるセマンティックセグメンテーションの一般的な医療シナリオにおいて,この設定を動機付けている。 既存のセマンティックセグメンテーションのメトリクスが、より大きな接続コンポーネントに対するバイアスにどのように悩まされているかを示す。
  論文  参考訳（メタデータ） (2024-10-24T12:26:05Z)
• Segmentation Quality and Volumetric Accuracy in Medical Imaging [0.9426448361599084]
  現在の医療画像のセグメンテーションは、デファクト標準として領域ベース(Dice, F1スコア)と境界ベース(ハウスドルフ距離、表面距離)のメトリクスに依存している。 これらの指標は広く使用されているが、特にボリューム合意に関する統一的な解釈は欠如している。 本稿では,相対体積予測誤差(vpe)を用いて,セグメンテーションタスクから導出される体積予測の精度を直接評価する。
  論文  参考訳（メタデータ） (2024-04-27T00:49:39Z)
• Rethinking Evaluation Metrics of Open-Vocabulary Segmentaion [78.76867266561537]
  評価プロセスは、予測された真理のカテゴリと基底的真理のカテゴリの類似性を考慮せずに、クローズドセットのメトリクスに大きく依存している。 この問題に対処するため、まず2つのカテゴリー語間の11の類似度の測定を行った。 我々は,3つのオープン語彙セグメンテーションタスクに適した,オープンmIoU,オープンAP,オープンPQという新しい評価指標を設計した。
  論文  参考訳（メタデータ） (2023-11-06T18:59:01Z)
• Metrics reloaded: Recommendations for image analysis validation [59.60445111432934]
  メトリクスのリロード(Metrics Reloaded)は、メトリクスの問題を意識した選択において研究者を導く包括的なフレームワークである。 このフレームワークは多段階のDelphiプロセスで開発され、問題指紋という新しい概念に基づいている。 問題指紋に基づいて、ユーザは適切なバリデーションメトリクスを選択して適用するプロセスを通じてガイドされる。
  論文  参考訳（メタデータ） (2022-06-03T15:56:51Z)
• The Exploitation of Distance Distributions for Clustering [3.42658286826597]
  クラスタ分析では、距離分布の異なる特性が適切な距離選択に関係していると判断される。 ミラー化密度プロットを用いて分布解析を用いて,この仕様を体系的に検討することにより,クラスタ解析においてマルチモーダル距離分布が好ましいことを示す。 実験は、クラスタリングのタスクのために、いくつかの人工データセットと自然なデータセットで行われます。
  論文  参考訳（メタデータ） (2021-08-22T06:22:08Z)
• Common Limitations of Image Processing Metrics: A Picture Story [58.83274952067888]
  本論文は, 画像レベルの分類, セマンティックセグメンテーション, インスタンスセグメンテーション, オブジェクト検出タスクと表現できるバイオメディカル画像解析問題に焦点を当てる。 現在のバージョンは、世界中の60以上の機関からの画像分析の専門家からなる国際コンソーシアムが実施するメトリクスに関するDelphiプロセスに基づいている。
  論文  参考訳（メタデータ） (2021-04-12T17:03:42Z)
• A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
  信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。 多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
  論文  参考訳（メタデータ） (2021-03-31T18:28:14Z)
• Estimating informativeness of samples with Smooth Unique Information [108.25192785062367]
  サンプルが最終的な重みを知らせる量と、重みによって計算される関数を知らせる量を測定します。 線形化ネットワークを用いてこれらの量の効率的な近似を行う。 本稿では,データセットの要約など,いくつかの問題に適用する。
  論文  参考訳（メタデータ） (2021-01-17T10:29:29Z)

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。