論文の概要: Classifying Phonotrauma Severity from Vocal Fold Images with Soft Ordinal Regression

• arxiv url: http://arxiv.org/abs/2511.09702v1
• Date: Fri, 14 Nov 2025 01:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.424273
• Title: Classifying Phonotrauma Severity from Vocal Fold Images with Soft Ordinal Regression
• Title（参考訳）: 声帯画像からの声道外傷の重症度判定 : ソフト・オーディショナル・レグレッションによる検討
• Authors: Katie Matton, Purvaja Balaji, Hamzeh Ghasemzadeh, Jameson C. Cooper, Daryush D. Mehta, Jarrad H. Van Stan, Robert E. Hillman, Rosalind Picard, John Guttag, S. Mazdak Abulnaga,
• Abstract要約: フォノトラウマの重症度の評価には、臨床医の専門的判断が伴う。 声帯画像から発声外傷の重症度を自動的に分類する最初の方法を提案する。
• 参考スコア（独自算出の注目度）: 3.9736211337232796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Phonotrauma refers to vocal fold tissue damage resulting from exposure to forces during voicing. It occurs on a continuum from mild to severe, and treatment options can vary based on severity. Assessment of severity involves a clinician's expert judgment, which is costly and can vary widely in reliability. In this work, we present the first method for automatically classifying phonotrauma severity from vocal fold images. To account for the ordinal nature of the labels, we adopt a widely used ordinal regression framework. To account for label uncertainty, we propose a novel modification to ordinal regression loss functions that enables them to operate on soft labels reflecting annotator rating distributions. Our proposed soft ordinal regression method achieves predictive performance approaching that of clinical experts, while producing well-calibrated uncertainty estimates. By providing an automated tool for phonotrauma severity assessment, our work can enable large-scale studies of phonotrauma, ultimately leading to improved clinical understanding and patient care.
• Abstract（参考訳）: フォノトラウマ(英: Phonotrauma)とは、発声時の力による声帯損傷のこと。 軽度から重度まで連続体で起こるが、治療の選択肢は重症度によって異なる。 重症度の評価には、臨床医の専門的な判断が伴う。 本研究では,声帯画像から声帯重大度を自動的に分類する最初の方法を提案する。 ラベルの順序性を考慮するために、広く使われている順序回帰フレームワークを採用する。 ラベルの不確かさを考慮し,アノテータのレーティング分布を反映したソフトラベル上で動作可能な順序回帰損失関数の新規な修正を提案する。 提案手法は, 臨床専門家に近づいた予測性能を達成し, 精度の高い不確実性評価を導出する。 フォノトラウマの重症度自動評価ツールを提供することにより,大規模な研究が可能となり,臨床理解と患者ケアが向上した。

関連論文リスト

• Efficient Conformal Prediction for Regression Models under Label Noise [23.243279443972522]
  医用画像などの高精細なシナリオでは、信頼性のある信頼区間を持つ回帰モデルの予測を行うことが重要である。 近年、コンフォーマル予測は、予め特定された確率を持つ真のラベルを含む間隔を生成する強力な統計フレームワークとして出現している。 本稿では,キャリブレーションセットがノイズラベルを含む場合,回帰モデルにCPを適用するという問題に対処する。 回帰問題の連続的な性質から生じる課題を克服する実践的なアルゴリズムに転換する。
  論文  参考訳（メタデータ） (2025-09-18T16:27:09Z)
• Pseudo-D: Informing Multi-View Uncertainty Estimation with Calibrated Neural Training Dynamics [3.8836478189829164]
  1ホットラベルは、層間変動を消し、モデルに過信予測を強制する。 ラベル空間に不確実性をもたらす新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-09-15T11:30:12Z)
• Label Uncertainty for Ultrasound Segmentation [25.682215047694168]
  医用画像では、放射線医の間でのサーバ間変動は、しばしばラベルの不確実性をもたらす。 我々は、専門家が供給する画素ごとの信頼度値を用いて、AIモデルのラベル付けとトレーニングの両方に新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2025-08-21T15:00:21Z)
• VesselRW: Weakly Supervised Subcutaneous Vessel Segmentation via Learned Random Walk Propagation [0.0]
  皮下血管の分節化に特化して設計された弱教師付きトレーニングフレームワークを提案する。 この方法は、センターライントレース、ドットマーカー、短いスクリブルといった、低コストでスパースなアノテーションを使用して学習プロセスをガイドする。 臨床皮下画像データセットを用いた実験により,本手法はナイーブなスパースラベルトレーニングと従来の擬似ラベル法の両方より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-09T04:34:54Z)
• Parameterized Diffusion Optimization enabled Autoregressive Ordinal Regression for Diabetic Retinopathy Grading [53.11883409422728]
  本研究は, AOR-DRと呼ばれる新しい自己回帰的順序回帰法を提案する。 我々は,糖尿病網膜症分類タスクを,前ステップの予測と抽出画像の特徴を融合させることにより,一連の順序段階に分解する。 拡散過程を利用して条件付き確率モデリングを行い、連続的グローバルな画像特徴を自己回帰に利用できるようにする。
  論文  参考訳（メタデータ） (2025-07-07T13:22:35Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Deep denoising autoencoder-based non-invasive blood flow detection for arteriovenous fistula [10.030431512848239]
  本稿では,DAE(Deep Denoising Autoencoder)に基づく次元削減と再構成作業を行う手法を提案する。 以上の結果から,DAEが生み出す潜伏表現は0.93の精度で予測を上回った。 ノイズ・ミキシングの導入とノイズ・トゥ・クリーン・スキームの利用により、潜在表現の識別能力が効果的に向上する。
  論文  参考訳（メタデータ） (2023-06-12T04:46:01Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)

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。