論文の概要: Uncertainty-Aware Last-Layer Adaptation of RETFound for Referable Diabetic Retinopathy Screening Under Dataset Shift

• arxiv url: http://arxiv.org/abs/2607.02569v1
• Date: Tue, 30 Jun 2026 06:10:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.328531
• Title: Uncertainty-Aware Last-Layer Adaptation of RETFound for Referable Diabetic Retinopathy Screening Under Dataset Shift
• Title（参考訳）: 糖尿病網膜症に対するreTFoundのデータセットシフトによる不確実性認識最終層適応
• Abstract要約: 本論文は糖尿病網膜症スクリーニングにおける不確実性を考慮した最終層適応の安全性を考慮した実験的検討である。 我々は,キャッシュ式ソフトマックスヘッド,熱後温度スケーリング,変分ベイズ型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラバート型ラバー型ラ型ラスト型ラプラス型ラプラス型ラプラス型 APTOSでは、不確実性を認識した操作ポイントは感度と選択的リフレラルな振る舞いを改善した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a safety-centered empirical evaluation of uncertainty-aware last-layer adaptation for referable diabetic retinopathy screening using RETFound, a self-supervised vision-transformer retinal foundation model used here as a frozen feature encoder, and the public APTOS 2019 and DDR diabetic retinopathy fundus image datasets. We compare a cached-feature softmax head, post-hoc temperature scaling, variational Bayesian last-layer heads, a diagonal Laplace last-layer approximation, and an SNGP-style cached-feature head. On APTOS, uncertainty-aware operating points improved sensitivity and selective-referral behavior. The strongest APTOS selective-referral result deferred approximately 20 percent of cases and reduced accepted-case false negatives to zero while preserving high accepted-case specificity. However, threshold tuning also reduced false negatives at high false-positive cost, so false-negative reduction alone was not unique to Bayesian modeling. On DDR, native Bayesian heads qualitatively reproduced the APTOS direction but with weaker tradeoffs, while the APTOS-trained SNGP checkpoint transferred poorly and failed to provide useful external selective-referral behavior. These results highlight the value of safety-centered evaluation beyond aggregate accuracy: uncertainty-aware last-layer heads can improve internal safety-oriented operating points, but trustworthy retinal screening claims require explicit safety-coverage evaluation and second-dataset validation under shift.
• Abstract（参考訳）: 本稿では,参照型糖尿病網膜症検診における不確実性を考慮した最終層適応の安全性を実証的に評価する。RETFound,凍結型機能エンコーダとして使用される自己監督型視覚変換型網膜基盤モデル,およびAPTOS 2019およびDDR糖尿病網膜症基礎画像データセットである。 我々は,キャッシュ式ソフトマックスヘッド,熱後温度スケーリング,変分ベイズ型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型ラバート型ラバー型ラ型ラスト型ラプラス型ラプラス型ラプラス型ラバート型ラ型ラ型ラプラス型ラプラス型ラプラス型ラプラス型ラプラス型フラ型フラ型フラ型フラ型を検討した。 APTOSでは、不確実性を認識した操作ポイントは感度と選択的リフレラルな振る舞いを改善した。 APTOS選択選好の結果は, 症例の約20%を遅延し, 高い症例特異性を保ちながら, 許容事例偽陰性は0に低下した。 しかし、しきい値調整は偽陽性コストが高い場合に偽陰性も減少させるため、偽陰性低減のみはベイズモデルに固有のものではない。 DDRでは、ネイティブベイズヘッドはAPTOS方向を定性的に再現したが、トレードオフは弱かった。 これらの結果は、集合的精度以上の安全性中心評価の価値を強調している: 不確実性を認識した最終層ヘッドは、内部の安全志向の操作点を改善することができるが、信頼できる網膜スクリーニングは、シフト中の明確な安全性カバレッジ評価と第2のデータセット検証を必要とする。

関連論文リスト

• Mitigating the ID-OOD Tradeoff in Open-Set Test-Time Adaptation [52.620992698137236]
  オープンセットテスト時間適応(OSTTA)は、新しい環境にモデルを適用するという課題に対処する。 本稿では,OSTTAにおけるエントロピーの限界をまず解析し,次に特徴ノルム等級を規制する角損失を導入する。 高いID分類性能を維持しながら強力なOOD検出を実現する。
  論文  参考訳（メタデータ） (2026-04-02T04:00:57Z)
• HD-TTA: Hypothesis-Driven Test-Time Adaptation for Safer Brain Tumor Segmentation [2.6652065637846074]
  テスト時間適応メソッドは、推論を盲目的最適化タスクとして扱い、一般的な目的をテストサンプルに適用する。 本稿では,動的決定プロセスとして適応を再構築する新しいフレームワークである仮説駆動型TTAを提案する。 我々は、この概念実証を、クロスドメインのバイナリ脳腫瘍セグメンテーションタスクで検証する。
  論文  参考訳（メタデータ） (2026-02-23T02:53:05Z)
• LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
  医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。 本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。 texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
  論文  参考訳（メタデータ） (2026-02-19T16:45:38Z)
• Adaptive Detector-Verifier Framework for Zero-Shot Polyp Detection in Open-World Settings [7.768426131383283]
  既存のアプローチは、コントロールされた検査条件と臨床実践の間の領域ギャップに苦慮している。 本稿では、視覚言語モデル(VLM)検証器を備えたYOLOv11検出器からなる新しい2段階検出器検証フレームワークであるAdaptiveDetectorを提案する。 この適応しきい値とコスト感受性強化学習の組み合わせは、臨床的に整合したオープンワールドポリープ検出を実現し、偽陰性は極めて少ない。
  論文  参考訳（メタデータ） (2025-12-13T23:33:05Z)
• I Detect What I Don't Know: Incremental Anomaly Learning with Stochastic Weight Averaging-Gaussian for Oracle-Free Medical Imaging [2.384534878752428]
  異常ラベルを使わずに,信頼度の高い正規サンプル群を漸進的に拡張する,教師なしのオラクルフリーフレームワークを導入する。 凍結した事前訓練された視覚バックボーンは、小さな畳み込みアダプタで拡張され、無視できる計算オーバーヘッドを伴う高速なドメイン適応が保証される。 COVID-CXRでは、ROC-AUCは0.9489から0.9982に改善され、肺炎CXRでは0.6834から0.8968に上昇し、脳MRIではND-5では0.6041から0.7269に上昇する。
  論文  参考訳（メタデータ） (2025-11-05T23:28:14Z)
• Towards Adversarial Robustness and Uncertainty Quantification in DINOv2-based Few-Shot Anomaly Detection [6.288045889067255]
  DINOv2のような基礎モデルは、数発の異常検出において強い性能を示している。 本研究は, 敵攻撃と不確実性評価に関する最初の体系的研究である。 生の異常スコアは校正が不十分で、信頼性と正しさのギャップが明らかになり、安全クリティカルな使用が制限されることがわかりました。
  論文  参考訳（メタデータ） (2025-10-15T15:06:45Z)
• Uncovering Overconfident Failures in CXR Models via Augmentation-Sensitivity Risk Scoring [1.9837702647603577]
  胸部X線写真(CXR)症例を同定するために,ASRS(Augmentation-sensitive risk score)フレームワークを提案する。 ASRSのスコアは、サンプルを安定四成分に成層化し、非常に敏感なケースではリコールがかなり低い。 ASRSは、選択的な予測と臨床レビューのためのラベルなしの手段を提供し、医療AIの公正性と安全性を改善している。
  論文  参考訳（メタデータ） (2025-10-02T05:15:40Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
  医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。 本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
  既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。 これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。 我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-10T23:28:36Z)

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。