論文の概要: Sex-based Bias Inherent in the Dice Similarity Coefficient: A Model Independent Analysis for Multiple Anatomical Structures

• arxiv url: http://arxiv.org/abs/2509.19778v1
• Date: Wed, 24 Sep 2025 06:00:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.699664
• Title: Sex-based Bias Inherent in the Dice Similarity Coefficient: A Model Independent Analysis for Multiple Anatomical Structures
• Title（参考訳）: 感覚類似性係数における性ベースのバイアス--複数の解剖学的構造に対するモデル独立解析
• Authors: Hartmut Häntze, Myrthe Buser, Alessa Hering, Lisa C. Adams, Keno K. Bressem,
• Abstract要約: Dice similarity Coefficient (DSC) は、より小さな構造において分割誤差をより重く罰する。 臓器の大きさが性別によって異なるため、同じ大きさの分節誤差が女性のDSCを低下させる可能性がある。 本研究では, DSCと正規化DSCの性差を, 特定のモデルに依存しない理想化された環境で定量化する。
• 参考スコア（独自算出の注目度）: 1.310217108103476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Overlap-based metrics such as the Dice Similarity Coefficient (DSC) penalize segmentation errors more heavily in smaller structures. As organ size differs by sex, this implies that a segmentation error of equal magnitude may result in lower DSCs in women due to their smaller average organ volumes compared to men. While previous work has examined sex-based differences in models or datasets, no study has yet investigated the potential bias introduced by the DSC itself. This study quantifies sex-based differences of the DSC and the normalized DSC in an idealized setting independent of specific models. We applied equally-sized synthetic errors to manual MRI annotations from 50 participants to ensure sex-based comparability. Even minimal errors (e.g., a 1 mm boundary shift) produced systematic DSC differences between sexes. For small structures, average DSC differences were around 0.03; for medium-sized structures around 0.01. Only large structures (i.e., lungs and liver) were mostly unaffected, with sex-based DSC differences close to zero. These findings underline that fairness studies using the DSC as an evaluation metric should not expect identical scores between men and women, as the metric itself introduces bias. A segmentation model may perform equally well across sexes in terms of error magnitude, even if observed DSC values suggest otherwise. Importantly, our work raises awareness of a previously underexplored source of sex-based differences in segmentation performance. One that arises not from model behavior, but from the metric itself. Recognizing this factor is essential for more accurate and fair evaluations in medical image analysis.
• Abstract（参考訳）: Dice similarity Coefficient (DSC)のようなオーバーラップベースのメトリクスは、より小さな構造においてセグメンテーションエラーをより重く罰する。 臓器の大きさが性別によって異なるため、男女の平均臓器容積が男性に比べて小さいため、同じ大きさの分節誤差が女性のDSCを低下させる可能性がある。 これまでの研究では、モデルやデータセットの性に基づく差異を調査してきたが、DSC自体がもたらした潜在的なバイアスについてはまだ研究されていない。 本研究では, DSCと正規化DSCの性差を, 特定のモデルに依存しない理想化された環境で定量化する。 また,50名の被験者から手動MRIのアノテーションに等サイズの合成誤差を適用し,性別による相違性を確保した。 最小限の誤差(例:1mm境界シフト)でさえ、性別間の系統的なDSC差を生み出した。 小型構造物ではDSCの差は約0.03、中型構造物では0.01であった。 大きな構造(肺と肝臓)のみがほとんど影響を受けておらず、性別によるDSCの差はゼロに近い。 これらの結果から,DSCを評価尺度として用いた公正度研究は,男女で同一のスコアを期待すべきではないことが示唆された。 セグメンテーションモデルは、もし観察されたDSC値が他の方法で示唆しているとしても、誤りの大きさの観点からも、男女間で等しくよく機能する。 重要なことは、我々の研究は、セグメンテーションのパフォーマンスにおける性に基づく違いの未発見の源泉に対する認識を高めることである。 モデル行動からではなく、計量そのものから生じるもの。 この因子の認識は、医用画像解析においてより正確で公平な評価に不可欠である。

関連論文リスト

• Deep learning-based segmentation of T1 and T2 cardiac MRI maps for automated disease detection [0.2593137041747032]
  組織マッピングは、定量的な心臓組織評価を可能にするが、手動のデライン化において、オブザーバ間の変動によって制限される。 平均緩和値と単一カットオフに依存する従来のアプローチは、複雑さを過度に単純化する可能性がある。 本研究では,機械学習がサーバ間変動に匹敵するセグメンテーション精度を達成できるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-07-01T16:08:54Z)
• Are Sex-based Physiological Differences the Cause of Gender Bias for Chest X-ray Diagnosis? [2.1601966913620325]
  機械学習を用いた胸部X線診断における性別バイアスの原因について検討した。 特に,乳房組織が肺の露出不足につながるという仮説を考察する。 広範に利用されている2つの公開データセットにおける患者1人あたりの録音の高度に歪んだ分布に対処する新しいサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2023-08-09T10:19:51Z)
• Tackling Bias in the Dice Similarity Coefficient: Introducing nDSC for White Matter Lesion Segmentation [10.182222073140991]
  Dice similarity Coefficient (DSC) は、予測されたセグメンテーションと接地トラスマスクとの合意を比較するための一般的な選択である。 DSC測定値は, 接地トラスにおける正のクラスの発生率に偏りがあることが示されている。 本研究は、最近提案された二分節タスクのための正規化DSCの詳細な解析について述べる。
  論文  参考訳（メタデータ） (2023-02-10T18:48:13Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• The impact of using voxel-level segmentation metrics on evaluating multifocal prostate cancer localisation [8.035409264165937]
  Dice similarity coefficient (DSC) と Hausdorff distance (HD) は医用画像セグメンテーションの評価に広く用いられている。 本研究は、まず、前立腺がんの手術計画において、対象検出に使用されるものを適応する、新しい非対称検出指標を提案する。 今回我々は, DSCとHDの相互一致と相関について報告し, 2) ボクセルレベルDSCと病変レベルでのリコール制御精度について報告する。
  論文  参考訳（メタデータ） (2022-03-30T15:57:20Z)
• Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation [92.9634065964963]
  我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。 現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-10-17T08:49:33Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• Gender Stereotype Reinforcement: Measuring the Gender Bias Conveyed by Ranking Algorithms [68.85295025020942]
  本稿では,性別ステレオタイプをサポートする検索エンジンの傾向を定量化するジェンダーステレオタイプ強化(GSR)尺度を提案する。 GSRは、表現上の害を定量化できる情報検索のための、最初の特別に調整された尺度である。
  論文  参考訳（メタデータ） (2020-09-02T20:45:04Z)
• Mitigating Gender Bias in Captioning Systems [56.25457065032423]
  ほとんどのキャプションモデルは性別バイアスを学習し、特に女性にとって高い性別予測エラーにつながる。 本稿では, 視覚的注意を自己指導し, 正しい性的な視覚的証拠を捉えるためのガイド付き注意画像キャプチャーモデル(GAIC)を提案する。
  論文  参考訳（メタデータ） (2020-06-15T12:16:19Z)
• Fractional norms and quasinorms do not help to overcome the curse of dimensionality [62.997667081978825]
  マンハッタンの距離や分数的な準位数 lp は、分類問題における次元性の呪いを克服するのに役立ちます。 系統的な比較では、p=2, 1, 0.5 の lp に基づく kNN の性能の違いは統計的に重要でないことが示されている。
  論文  参考訳（メタデータ） (2020-04-29T14:30:12Z)

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。