論文の概要: Robust Mitigation of Age-Dependent Confounding Effects via Sample-Difficulty Decorrelation

• arxiv url: http://arxiv.org/abs/2605.19230v1
• Date: Tue, 19 May 2026 01:01:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.052749
• Title: Robust Mitigation of Age-Dependent Confounding Effects via Sample-Difficulty Decorrelation
• Title（参考訳）: サンプル難解化による年齢依存的共起効果のロバスト緩和
• Authors: Nikhil Cherian Kurian, Victor Caquilpan Parra, Abin Shoby, Luke Whitbread, Lyle J. Palmer,
• Abstract要約: そこで本稿では,年齢依存型コンファウンディングの効果を緩和する枠組みを提案する。 我々は,頑健なハマー重み付き親和性ウェイトを用いて,年齢と優占年齢の傾向を相関させ,コンバウンディング駆動ショートカットを緩和した。 提案手法は, AUCの影響を最小限に抑えつつ, 年齢依存の真偽と偽陽性の相違を低減し, 試験年齢分布の変化の増大に頑健である。
• 参考スコア（独自算出の注目度）: 0.8000485689206629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Age dependent performance disparities in medical image classification often arise because age acts as a confounder, linking imaging morphology with disease prevalence. In practice, disparities can manifest as overdiagnosis at ages where disease prevalence is higher and underdiagnosis at ages where prevalence is lower, and can worsen under train test shifts in the age distribution. Conventional mitigation approaches that enforce strict age invariance may suppress diagnostically meaningful information encoded in age. We therefore propose a robust framework that mitigates the effects of age-dependent confounding by targeting spurious age linked trends rather than enforcing invariance. Following a warm-up phase, we characterize sample difficulty and model its age-dependent trends in a label-conditioned manner. We decorrelate age from dominant age difficulty trends using robust, Huber weighted affinity weights, attenuating confounding-driven shortcuts while preserving clinically meaningful, nonlinear age information. We further introduce an Age Coverage Score that scales the decorrelation penalty by minibatch age variance to ensure stable optimization under limited age diversity. Across two radiology datasets, our approach reduces age dependent true and false positive disparities with minimal AUC impact and remains robust to increasing train test age distribution shifts.
• Abstract（参考訳）: 画像分類における年齢依存性のパフォーマンス格差は、画像形態学と疾患の有病率を結びつける共同創設者として機能するため、しばしば生じる。 実際には、病気の頻度が高い年齢では異常が過剰診断として現れ、頻度が低い年齢では下診断として現れ、年齢分布の列車試験のシフトで悪化することがある。 厳密な年齢差を強制する従来の緩和アプローチは、年齢で符号化された診断に意味のある情報を抑制する可能性がある。 そこで本稿では, 年齢依存的共起の効果を緩和する頑健な枠組みを提案する。 ウォームアップフェーズの後、サンプルの難易度を特徴付け、ラベル条件で年齢依存傾向をモデル化する。 重み付けされたハマー重み付けの重み付けを行い, 臨床的に有意な非線形年齢情報を保存しながら, 近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的近視的視的近視的視的視的視的視的 さらに,年齢差を最小化してデコリレーションペナルティを拡大し,限られた年齢差の下で安定した最適化を実現する老化カバースコアを導入する。 2つの放射線学データセットにまたがって,AUCの影響を最小限に抑えながら,年齢依存の真と偽の正の差を減らし,試験年齢分布の変化の増大に頑健である。

関連論文リスト

• Dynamic causal discovery in Alzheimer's disease through latent pseudotime modelling [1.1222071637855076]
  そこで本研究では,従来の潜伏変数モデルを現実のアルツハイマー病データに適用し,慢性期とは無関係にデータ駆動性疾患の軌跡に沿って患者に指示する擬似時刻を推定する。 本稿では,新しいマーカーと確立されたADマーカーとの動的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2025-11-06T18:12:09Z)
• Bridging the gap in FER: addressing age bias in deep learning [0.562479170374811]
  深部FERモデルにおける年齢関連バイアスについて検討し,特に高齢者に焦点をあてた。 説明可能なAI(XAI)技術を用いて,表現認識と注意パターンの系統的差異を同定する。 その結果,高齢者の認識精度は一貫した改善が見られた。
  論文  参考訳（メタデータ） (2025-07-10T11:07:13Z)
• Ordinal Classification with Distance Regularization for Robust Brain Age Prediction [25.555190119033615]
  老化はアルツハイマー病(AD)の主要な危険因子の1つである 脳の年齢は、加齢による構造変化を反映した脳画像から導かれる指標であり、ADの発症を識別し、疾患リスクを評価し、標的とする介入を計画する可能性がある。 磁気共鳴画像(MRI)スキャンによる脳年齢予測のためのディープラーニングに基づく回帰手法は,近年,非常に精度が高い。 これらの手法は平均効果に固有の回帰傾向を受けており、体系的な偏りが生じ、若年者では脳年齢が過大評価され、老年者では過小評価される。
  論文  参考訳（メタデータ） (2023-10-25T20:39:07Z)
• Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
  顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。 本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2023-03-20T13:20:14Z)
• Adapting to Continuous Covariate Shift via Online Density Ratio Estimation [64.8027122329609]
  分散シフトへの対処は、現代の機械学習における中心的な課題の1つだ。 歴史的情報を適切に再利用するオンライン手法を提案する。 我々の密度比推定法は, ダイナミックなリセットバウンドを楽しむことにより, 良好に動作できることが証明された。
  論文  参考訳（メタデータ） (2023-02-06T04:03:33Z)
• Adaptive Mean-Residue Loss for Robust Facial Age Estimation [7.667560350473354]
  本稿では,分布学習による顔年齢推定のための損失関数を提案する。 FG-NETとCLAP2016のデータセットでの実験結果により、提案された損失の有効性が検証された。
  論文  参考訳（メタデータ） (2022-03-31T16:28:34Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
  本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。 具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。 次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
  論文  参考訳（メタデータ） (2020-07-13T20:05:19Z)

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。