論文の概要: A methodology for clinically driven interactive segmentation evaluation
- arxiv url: http://arxiv.org/abs/2510.09499v1
- Date: Fri, 10 Oct 2025 16:00:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 00:38:49.330824
- Title: A methodology for clinically driven interactive segmentation evaluation
- Title（参考訳）: 臨床駆動型インタラクティブセグメンテーション評価法
- Authors: Parhom Esmaeili, Virginia Fernandez, Pedro Borges, Eli Gibson, Sebastien Ourselin, M. Jorge Cardoso,
- Abstract要約: インタラクティブセグメンテーションは、医用画像セグメンテーションのための堅牢で汎用的なアルゴリズムを構築するための有望な戦略である。
しかし、矛盾する、臨床的に非現実的な評価は、公正な比較を妨げ、現実世界のパフォーマンスを誤って表現する。
本稿では,評価タスクとメトリクスを定義するための臨床的手法を提案し,標準化された評価パイプラインを構築するためのソフトウェアフレームワークを構築した。
- 参考スコア（独自算出の注目度）: 1.1425176528359444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interactive segmentation is a promising strategy for building robust, generalisable algorithms for volumetric medical image segmentation. However, inconsistent and clinically unrealistic evaluation hinders fair comparison and misrepresents real-world performance. We propose a clinically grounded methodology for defining evaluation tasks and metrics, and built a software framework for constructing standardised evaluation pipelines. We evaluate state-of-the-art algorithms across heterogeneous and complex tasks and observe that (i) minimising information loss when processing user interactions is critical for model robustness, (ii) adaptive-zooming mechanisms boost robustness and speed convergence, (iii) performance drops if validation prompting behaviour/budgets differ from training, (iv) 2D methods perform well with slab-like images and coarse targets, but 3D context helps with large or irregularly shaped targets, (v) performance of non-medical-domain models (e.g. SAM2) degrades with poor contrast and complex shapes.
- Abstract（参考訳）: インタラクティブセグメンテーションは、ボリューム画像セグメンテーションのための堅牢で汎用的なアルゴリズムを構築するための有望な戦略である。
しかし、矛盾する、臨床的に非現実的な評価は、公正な比較を妨げ、現実世界のパフォーマンスを誤って表現する。
本稿では,評価タスクとメトリクスを定義するための臨床的手法を提案し,標準化された評価パイプラインを構築するためのソフトウェアフレームワークを構築した。
我々は、異種および複雑なタスクにおける最先端のアルゴリズムを評価し、それを観察する。
一 ユーザインタラクションを処理する際の情報損失の最小化が、モデルロバスト性に重要であること。
(II)適応ズーム機構によりロバストネスと速度収束が促進される。
三 動作・予算の検証が訓練と異なるときは、性能低下
(4)2D法はスラブ状の画像や粗いターゲットで良好に機能するが、3Dコンテキストは大きなあるいは不規則な形状のターゲットで有効である。
(v)非医療領域モデル(例 SAM2)の性能は、コントラストが低く、複雑な形状で劣化する。
関連論文リスト
- Explicit modelling of subject dependency in BCI decoding [12.17288254938554]
Brain-Computer Interfaces (BCI) は、高いオブジェクト間の変動とラベル付きデータに悩まされる。
被験者の身元を条件とした軽量畳み込みニューラルネットワーク(CNN)を用いて、対象の依存関係を明示的にモデル化するエンド・ツー・エンドのアプローチを提案する。
論文 参考訳（メタデータ） (2025-09-27T10:51:42Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - Evaluation of Seismic Artificial Intelligence with Uncertainty [0.0]
ディープラーニングモデル(DLM)の評価と比較のための評価フレームワークを開発する。
私たちのフレームワークは、実践者が自身の問題に対して最適なモデルを選択し、パフォーマンスの期待を定めるのに役立ちます。
論文 参考訳（メタデータ） (2025-01-15T16:45:51Z) - Pitfalls of topology-aware image segmentation [81.19923502845441]
我々は、不適切な接続選択、見過ごされたトポロジカルアーティファクト、評価指標の不適切な使用を含むモデル評価における致命的な落とし穴を同定する。
本稿では,トポロジを意識した医用画像分割手法の公正かつ堅牢な評価基準を確立するための,行動可能なレコメンデーションセットを提案する。
論文 参考訳（メタデータ） (2024-12-19T08:11:42Z) - Can foundation models actively gather information in interactive environments to test hypotheses? [43.42688356541211]
基礎モデルはシングルターン推論において優れているが、動的環境におけるマルチターン探索に苦慮している。
これらのモデルを,経験から学び,適応し,情報を収集する能力に基づいて評価した。
論文 参考訳（メタデータ） (2024-12-09T12:27:21Z) - RadioActive: 3D Radiological Interactive Segmentation Benchmark [1.1095764130645482]
METAs Segment Anythingにインスパイアされた最近のインタラクティブセグメンテーションモデルは、大きな進歩を遂げたが、3Dでは限界に直面している。
RadioActiveベンチマークは、厳密で再現可能な評価フレームワークを提供することによって、これらの課題に対処する。
SAM2は、特殊な医療用2Dモデルや3Dモデルよりも優れており、3Dボリュームのプロンプトを生成するために、わずか数回のインタラクションしか必要としない。
論文 参考訳（メタデータ） (2024-11-12T15:47:17Z) - Exploring the Performance of Continuous-Time Dynamic Link Prediction Algorithms [14.82820088479196]
ダイナミックリンク予測(DLP)は、進化するネットワークにおける将来のリンクの予測に対処する。
本研究では,このような総合的な評価を行うためのツールをコントリビュートする。
評価時に使用可能な陰性サンプリング手法の網羅的な分類法について述べる。
論文 参考訳（メタデータ） (2024-05-27T14:03:28Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳（メタデータ） (2021-11-15T03:16:56Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z)
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。