論文の概要: Conformal coronary calcification volume estimation with conditional coverage via histogram clustering
- arxiv url: http://arxiv.org/abs/2506.04030v1
- Date: Wed, 04 Jun 2025 14:55:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:14.394101
- Title: Conformal coronary calcification volume estimation with conditional coverage via histogram clustering
- Title（参考訳）: ヒストグラムクラスタリングによる条件付き冠石灰化量推定
- Authors: Olivier Jaubert, Salman Mohammadi, Keith A. Goatman, Shadia S. Mikhael, Conor Bradley, Rebecca Hughes, Richard Good, John H. Hipwell, Sonia Dahdouh,
- Abstract要約: クラスタベースの条件付きコンフォメーション予測フレームワークを提案し、トレーニングされたセグメンテーションネットワークからスコア間隔を調整し、再トレーニングを行わないようにする。
提案手法を調整し,3次元UNetモデルの予測間隔を調整した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Incidental detection and quantification of coronary calcium in CT scans could lead to the early introduction of lifesaving clinical interventions. However, over-reporting could negatively affect patient wellbeing and unnecessarily burden the medical system. Therefore, careful considerations should be taken when automatically reporting coronary calcium scores. A cluster-based conditional conformal prediction framework is proposed to provide score intervals with calibrated coverage from trained segmentation networks without retraining. The proposed method was tuned and used to calibrate predictive intervals for 3D UNet models (deterministic, MCDropout and deep ensemble) reaching similar coverage with better triage metrics compared to conventional conformal prediction. Meaningful predictive intervals of calcium scores could help triage patients according to the confidence of their risk category prediction.
- Abstract（参考訳）: CTスキャンにおける冠カルシウムの異常検出と定量化は、救命医療介入の早期導入につながる可能性がある。
しかし、過剰報告は患者の健康に悪影響を及ぼし、医療システムに不必要に負担を与える可能性がある。
したがって、自動的に冠カルシウムスコアを報告する場合には慎重に考慮する必要がある。
クラスタベースの条件付きコンフォメーション予測フレームワークを提案し、トレーニングされたセグメンテーションネットワークからスコア間隔を調整し、再トレーニングを行わないようにする。
提案手法は, 3次元UNetモデル(決定論的, MCDropout, ディープアンサンブル)の予測間隔を, 従来のコンフォメーション予測と比較すると, トリアージ測定値によく似た精度で補正する。
カルシウムスコアの有意な予測間隔は、リスクカテゴリー予測の信頼性に応じて、患者をトリアージするのに役立ちます。
関連論文リスト
- Conformal Prediction for Uncertainty Estimation in Drug-Target Interaction Prediction [1.474945380093949]
薬物-標的相互作用予測のための3つのクラスタ条件境界共形予測法を解析した。
グループ条件付きCPは、あるエンティティが親しみのあるときにうまく機能するが、残差駆動クラスタリングはスパースや新規シナリオにおいても堅牢な不確実性推定を提供する。
これらの結果は、不確実性の下でDTI予測を改善するためのクラスタベースのCPの可能性を強調している。
論文 参考訳（メタデータ） (2025-05-24T22:31:49Z) - Enhancing Uncertainty Estimation in Semantic Segmentation via Monte-Carlo Frequency Dropout [2.542402342792592]
Monte-Carlo (MC) Dropoutは、決定論的ニューラルネットワークにおける予測分布を推定するための実用的なソリューションを提供する。
信号空間内で適用される従来のドロップアウトは、医用画像に共通する周波数関連ノイズを考慮できない可能性がある。
新たなアプローチはDropoutを周波数領域に拡張し、推論中に信号の変動を減衰させる。
論文 参考訳（メタデータ） (2025-01-20T03:54:30Z) - Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores [52.92618442300405]
有限サンプルにおいて、正確に分布のない条件付きカバレッジを達成することは不可能である。
本稿では,最も重要となる範囲を対象とするコンフォメーション予測アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-17T12:01:56Z) - Conformal Prediction for Dose-Response Models with Continuous Treatments [0.23213238782019321]
本稿では,線量応答モデルに対する予測区間を生成する新しい手法を提案する。
重み付き共形予測においてカーネル関数を重みとして適用することにより,各処理値の局所的カバレッジを近似する。
論文 参考訳（メタデータ） (2024-09-30T15:40:54Z) - A conformalized learning of a prediction set with applications to medical imaging classification [14.304858613146536]
本稿では,真のラベルを含む予測セットをユーザが特定した確率で生成するアルゴリズムを提案する。
提案アルゴリズムをいくつかの標準医用画像分類データセットに適用した。
論文 参考訳（メタデータ） (2024-08-09T12:49:04Z) - Robust Conformal Volume Estimation in 3D Medical Images [0.5799785223420274]
ボリュームトリは3次元医用画像セグメンテーションの主要な下流応用の1つである。
セグメンテーションモデルにより生成された圧縮潜在表現に基づく密度比推定の効率的な手法を提案する。
論文 参考訳（メタデータ） (2024-07-29T12:18:07Z) - SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Bayesian prognostic covariate adjustment [59.75318183140857]
疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。
我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
論文 参考訳（メタデータ） (2020-12-24T05:19:03Z) - Calibration of Neural Networks using Splines [51.42640515410253]
キャリブレーション誤差の測定は、2つの経験的分布を比較します。
古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。
提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
論文 参考訳（メタデータ） (2020-06-23T07:18:05Z)
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。