論文の概要: Disentangling Prompt Dependence to Evaluate Segmentation Reliability in Gynecological MRI

• arxiv url: http://arxiv.org/abs/2603.13369v1
• Date: Mon, 09 Mar 2026 14:42:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.129998
• Title: Disentangling Prompt Dependence to Evaluate Segmentation Reliability in Gynecological MRI
• Title（参考訳）: 婦人科MRIにおけるセグメンテーション信頼性評価のための遠心性プロンプト依存性
• Authors: Elodie Germani, Krystel Nyangoh-Timoh, Pierre Jannin, John S H Baxter,
• Abstract要約: 局所感度(相互作用インプレッション)から曖昧さ(ユーザ間変動性)を明示的に解き放つプロンプト依存の最初の定式化を導入する。 子宮と膀胱の分節のための2つの女性骨盤MRIデータセットの実験では、測定値と分節性能の間に強い負の相関が認められた。
• 参考スコア（独自算出の注目度）: 0.022046427675233182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Promptable segmentation models (e.g., the Segment Anything Models) enable generalizable, zero-shot segmentation across diverse domains. Although predictions are deterministic for a fixed image-prompt pair, the robustness of these models to variations in user prompts, referred to as prompt dependence, remains underexplored. In safety-critical workflows with substantial inter-user variability, interpretable and informative frameworks are needed to evaluate prompt dependence. In this work, we assess the reliability of promptable segmentation by analyzing and measuring its sensitivity to prompt variability. We introduce the first formulation of prompt dependence that explicitly disentangles prompt ambiguity (inter-user variability) from local sensitivity (interaction imprecision), offering an interpretable view of segmentation robustness. Experiments on two female pelvic MRI datasets for uterus and bladder segmentation reveal a strong negative correlation between both metrics and segmentation performance, highlighting the value of our framework for assessing robustness. The two metrics have low mutual correlation, supporting the disentangled design of our formulation, and provide meaningful indicators of prompt-related failure modes.
• Abstract（参考訳）: プロンプト可能なセグメンテーションモデル(例:セグメンション・任意のモデル)は、様々な領域にわたる一般化可能なゼロショットセグメンテーションを可能にする。 固定された画像のプロンプト対に対して予測は決定論的であるが、これらのモデルのユーザプロンプトの変動に対する堅牢性は、プロンプト依存と呼ばれるが、まだ探索されていない。 ユーザ間の大きな多様性を持つ安全クリティカルなワークフローでは、迅速な依存を評価するために、解釈および情報的フレームワークが必要である。 本研究では,その感度を解析・測定することにより,迅速なセグメンテーションの信頼性を評価する。 本稿では,局所感度(インタラクションインプレクション)から曖昧さ(ユーザ間変動性)を明示的に解き放つプロンプト依存の最初の定式化を紹介し,セグメンテーションロバスト性の解釈可能なビューを提供する。 子宮と膀胱セグメンテーションのための2つの女性骨盤MRIデータセットの実験では、計測値とセグメンテーション性能の相関が強く、ロバスト性を評価するためのフレームワークの価値を強調した。 両指標は相互相関が低く, 定式化の不整合設計をサポートし, プロンプト関連障害モードの有意義な指標を提供する。

関連論文リスト

• Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
  表現空間における潜在連鎖を操作可能な因果過程として研究する。 遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。 これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
  論文  参考訳（メタデータ） (2026-02-09T15:25:12Z)
• Secure Diagnostics: Adversarial Robustness Meets Clinical Interpretability [9.522045116604358]
  医用画像分類のためのディープニューラルネットワークは、臨床実践において一貫して一般化することができないことが多い。 本稿では, フラクチャー検出のために微調整された深部ニューラルネットワークの解釈可能性について, 対向攻撃に対するモデル性能の評価により検討する。
  論文  参考訳（メタデータ） (2025-04-07T20:26:02Z)
• SPA: Efficient User-Preference Alignment against Uncertainty in Medical Image Segmentation [10.871259365539087]
  医用画像セグメンテーションデータの不確かさは、ラベル付けの好みにおける不完全な画像品質と可変性に起因する可能性がある。 textbfSPA(textbfSegmentation textbfPreference textbfAlignment framework)を提案する。 SPAは,1)既存の対話的セグメンテーションアプローチと比較して,ユーザ時間と労力の大幅な削減,2)人間のフィードバックに基づく強い適応性,3)異なる画像モダリティとセマンティックラベルをまたいだ最先端の画像セグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2024-11-23T10:27:08Z)
• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• How are Prompts Different in Terms of Sensitivity? [50.67313477651395]
  本稿では,関数の感度に基づく包括的即時解析を提案する。 出力に対する入力トークンの関連性に異なるプロンプトがどう影響するかを実証的に示すために、勾配に基づく唾液度スコアを使用する。 本稿では, 感度推定をペナルティ項として組み込んだ感度認識復号法を標準グリーディ復号法で導入する。
  論文  参考訳（メタデータ） (2023-11-13T10:52:01Z)
• SUPER-Net: Trustworthy Image Segmentation via Uncertainty Propagation in Encoder-Decoder Networks [0.17398560678845076]
  SUPER-Netは、不確実性伝播による信頼できる画像セグメンテーションのためのフレームワークである。 分割された画像と画素単位の不確実性マップの2つの出力を同時に生成する。 以上の結果から, SUPER-Netは最先端モデルよりもロバスト性と精度が優れていた。
  論文  参考訳（メタデータ） (2021-11-10T22:46:05Z)
• Exploring Robustness of Unsupervised Domain Adaptation in Semantic Segmentation [74.05906222376608]
  クリーンな画像とそれらの逆の例との一致を、出力空間における対照的な損失によって最大化する、逆向きの自己スーパービジョンUDA(ASSUDA)を提案する。 i) セマンティックセグメンテーションにおけるUDA手法のロバスト性は未解明のままであり, (ii) 一般的に自己スーパービジョン(回転やジグソーなど) は分類や認識などのイメージタスクに有効であるが, セグメンテーションタスクの識別的表現を学習する重要な監視信号の提供には失敗している。
  論文  参考訳（メタデータ） (2021-05-23T01:50:44Z)
• Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
  DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。 前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。 後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
  論文  参考訳（メタデータ） (2021-04-01T03:21:57Z)
• Analyzing Epistemic and Aleatoric Uncertainty for Drusen Segmentation in Optical Coherence Tomography Images [4.125187280299246]
  加齢関連黄斑変性症(AMD)は60歳以上の高齢者の永久視喪失の原因の1つである。 我々は,u-netに基づくドルーゼンセグメンテーションモデルを開発し,セグメンテーションの不確かさを定量化する。
  論文  参考訳（メタデータ） (2021-01-21T23:34:29Z)

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。