論文の概要: Beyond Occlusion: In Search for Near Real-Time Explainability of CNN-Based Prostate Cancer Classification

• arxiv url: http://arxiv.org/abs/2512.17416v1
• Date: Fri, 19 Dec 2025 10:13:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.338887
• Title: Beyond Occlusion: In Search for Near Real-Time Explainability of CNN-Based Prostate Cancer Classification
• Title（参考訳）: 閉塞を超える:CNNによる前立腺癌分類におけるリアルタイムに近い説明可能性の探索
• Authors: Martin Krebs, Jan Obdržálek, Vít Musil, Tomáš Brázdil,
• Abstract要約: しかし、よく知られ広く使われている説明手法はオクルージョンであり、計算には長い時間がかかる。 本研究は,前立腺癌検出システムにおいて,より高速に閉塞を除去することを目的とした。 必要な説明時間を少なくとも10倍に削減できる別の説明方法を選択することができた。
• 参考スコア（独自算出の注目度）: 5.022314014591091
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep neural networks are starting to show their worth in critical applications such as assisted cancer diagnosis. However, for their outputs to get accepted in practice, the results they provide should be explainable in a way easily understood by pathologists. A well-known and widely used explanation technique is occlusion, which, however, can take a long time to compute, thus slowing the development and interaction with pathologists. In this work, we set out to find a faster replacement for occlusion in a successful system for detecting prostate cancer. Since there is no established framework for comparing the performance of various explanation methods, we first identified suitable comparison criteria and selected corresponding metrics. Based on the results, we were able to choose a different explanation method, which cut the previously required explanation time at least by a factor of 10, without any negative impact on the quality of outputs. This speedup enables rapid iteration in model development and debugging and brings us closer to adopting AI-assisted prostate cancer detection in clinical settings. We propose that our approach to finding the replacement for occlusion can be used to evaluate candidate methods in other related applications.
• Abstract（参考訳）: ディープニューラルネットワークは、がんの診断を補助するなどの重要な応用において、その価値を示し始めている。 しかし、成果が実際に受け入れられるためには、その成果は病理学者が容易に理解できる方法で説明できるはずである。 しかし、よく知られ広く使われている説明手法はオクルージョンであり、計算には長い時間がかかるため、病理学者との発達と相互作用が遅くなる。 本研究は,前立腺癌検出システムにおいて,より高速に閉塞を除去することを目的とした。 様々な説明手法の性能を比較するための確立された枠組みが存在しないため、まず適切な比較基準を特定し、対応する指標を選択した。 その結果,出力の質に悪影響を及ぼすことなく,少なくとも10倍の時間で必要な説明時間を短縮できる別の説明法が選択できた。 このスピードアップは、モデル開発とデバッグの迅速なイテレーションを可能にし、臨床環境でAIによる前立腺がん検出の採用に近づきます。 そこで本研究では,他のアプリケーションにおけるオクルージョン代替手法の候補手法の評価に有効であることを示す。

関連論文リスト

• A Modified VGG19-Based Framework for Accurate and Interpretable Real-Time Bone Fracture Detection [0.0]
  本稿では,VGG-19モデルを用いた骨骨折の自動検出フレームワークを提案する。 コントラスト限定適応ヒストグラム等化(CLAHE)、大津のしきい値設定、カニーエッジ検出など、高度な前処理技術が組み込まれている。 医療専門家はX線画像をアップロードし、0.5秒以内に診断フィードバックを受け取ることができる。
  論文  参考訳（メタデータ） (2025-07-31T19:22:58Z)
• Deep Bayesian segmentation for colon polyps: Well-calibrated predictions in medical imaging [0.0]
  我々は,さまざまなベイズニューラルネットワークを用いて,大腸ポリプ画像のセマンティックセグメンテーションを開発する。 その結果、これらのモデルが、この医療データセットのセグメンテーションにおける最先端のパフォーマンスを提供するだけでなく、正確な不確実性の推定値が得られることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T16:13:27Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Oral cancer detection and interpretation: Deep multiple instance learning versus conventional deep single instance learning [2.2612425542955292]
  口腔癌(OC)診断の現在の医療基準は、口腔から採取した組織標本の組織学的検査である。 このアプローチを臨床ルーチンに導入するには、専門家の欠如や労働集約的な作業といった課題が伴う。 私たちは、患者1人あたりのラベルだけで癌を確実に検出できるAIベースの方法に興味を持っています。
  論文  参考訳（メタデータ） (2022-02-03T15:04:26Z)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Colorectal Cancer Segmentation using Atrous Convolution and Residual Enhanced UNet [0.5353034688884528]
  本研究では,従来のフィルタ以外に,多孔性畳み込みと残存接続を用いたCNN方式を提案する。 提案するatresunetはdice係数0.748の大腸癌分画のための digestpath 2019 challengeデータセットでトレーニングされた。
  論文  参考訳（メタデータ） (2021-03-16T19:20:20Z)
• Detection of prostate cancer in whole-slide images through end-to-end training with image-level labels [8.851215922158753]
  本稿では,4712前立腺生検において,2100万のパラメータを終端とする最新のCNN(ResNet-34)をトレーニングするために,畳み込み層のストリーミング実装を提案する。 この方法では、GPUメモリの要求を2.4TB削減することで、バイオプシー画像全体を高解像度で直接使用することができる。
  論文  参考訳（メタデータ） (2020-06-05T12:11:35Z)

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。