論文の概要: Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency

• arxiv url: http://arxiv.org/abs/2607.05965v1
• Date: Tue, 07 Jul 2026 08:02:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.438792
• Title: Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency
• Title（参考訳）: 断面パッチ自己整合による単マスクアノテーションノイズの分離検出
• Authors: Yinheng Zhu, Xiaowei Xu,
• Abstract要約: 単一マスクアノテーション雑音検出のための分離されたフレームワークを提案する。 我々は断面パッチの自己整合性を利用して、解釈可能かつ聴覚可能なノイズ証拠を生成する。 提案手法は,クロスセクションパッチを抽出し,スケーラブルなベクトル探索により強度等価な近傍を検索し,統計的マスクの不一致からパッチレベルのノイズスコアを算出する。
• 参考スコア（独自算出の注目度）: 2.8923450209863955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vascular computed tomography datasets are commonly annotated only once per scan, yielding the pervasive yet under addressed problem of single mask annotation noise. Existing solutions either require costly multirater fusion or are coupled with network training, preventing explicit auditing of where and why labels fail. We introduce a decoupled framework for single-mask annotation noise detection that leverages cross-sectional patch self-consistency to produce interpretable and auditable noise evidence. Tubular anatomy exhibits strong cross-sectional recurrence: patches extracted orthogonally along vessel centrelines recur in appearance across locations and subjects. Thus, anatomically similar patches should have consistent masks, and disagreement signals unreliable annotation. Our method samples cross-sectional patches, retrieves intensity-equivalent neighbours via scalable vector search, and computes a patch-level noise score from statistical mask disagreement, yielding explicit image-mask evidence for every flagged region. Aggregating scores produces scan-level quality maps for dataset quality assessment or quality-weighted training. Experiments on the coronary CT dataset validate the detected noise for improving training robustness and reveal systematic annotation biases. Specifically, transverse and oblique vessels exhibit 5.1 times higher error rates than axis-aligned structures, with additional correlations to cross-sectional area and intensity. Code is available here.
• Abstract（参考訳）: 血管造影トモグラフィーデータセットは1回のスキャンで1回だけアノテートされるのが一般的であり、単一のマスクのノイズという問題に対処されている。 既存のソリューションでは、コストのかかるマルチラタフュージョンを必要とするか、ネットワークトレーニングと組み合わせて、ラベルが失敗する場所と理由の明示的な監査を防いでいる。 本稿では,クロスセクションパッチの自己整合性を活用して,解釈可能かつ聴覚可能なノイズエビデンスを生成する,単一マスクアノテーションノイズ検出のための分離されたフレームワークを提案する。 管状解剖は強い断面積の再発を示し、血管中心線に沿って直交的に抽出されたパッチは、位置や被検体にまたがって出現する。 したがって、解剖学的に類似したパッチは一貫性のあるマスクを持ち、不一致信号は信頼できないアノテーションを持つべきである。 提案手法は,横断パッチを抽出し,スケーラブルなベクトル探索により強度等価近傍を検索し,統計的マスクの不一致からパッチレベルのノイズスコアを算出し,各フラグ付き領域に対して明確な画像マスクの証拠を与える。 集計スコアは、データセットの品質評価や品質重み付けトレーニングのためのスキャンレベルの品質マップを生成する。 冠動脈CTデータセットの実験は、検出されたノイズを評価して、トレーニングの堅牢性を改善し、体系的なアノテーションバイアスを明らかにする。 具体的には、横方向と斜め方向の船体は、軸方向の構造物よりも5.1倍の誤差率を示し、断面面積と強度に相関がある。 コードはここにある。

関連論文リスト

• Kurtosis-Guided Denoising Score Matching for Tabular Anomaly Detection [6.893608092072852]
  Denoising score matching (DSM)は、ニューラルネットワークをトレーニングしてスコア関数を復元することで、データの分散を学ぶ方法を提供する。 K-DSM(Kurtosis-based noise scaling)は,各周縁分布の形状から雑音レベルを設定する方式である。 標準的な異常検出ベンチマークでは、K-DSMは半教師付き設定で最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-05-07T21:19:12Z)
• Cross-Validation Is All You Need: A Statistical Approach To Label Noise Estimation [0.6612255136183889]
  マシンラーニングモデルは、ノイズラベルの存在下でトレーニングされた場合、パフォーマンスが低下する。 これは、生存予測のような医療タスクに特に問題となる。 本稿では,2つの新しいラベルノイズ検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-24T14:50:20Z)
• Dynamic Feature Pruning and Consolidation for Occluded Person Re-Identification [21.006680330530852]
  本研究では, 明示的な人間の構造解析を回避するために, 機能解析・統合(FPC)フレームワークを提案する。 フレームワークは主にスパースエンコーダ、マルチビュー機能mathcingモジュール、フィーチャーコンソリデーションデコーダで構成されている。 提案手法は,Occluded-Dukeデータセットにおいて,少なくとも8.6% mAPと6.0% Rank-1の精度で最新結果より優れる。
  論文  参考訳（メタデータ） (2022-11-27T06:18:40Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Constrained self-supervised method with temporal ensembling for fiber bundle detection on anatomic tracing data [0.08329098197319453]
  本研究では,マカク脳のトレーサ部における繊維束の正確なセグメンテーションのための自己教師付き損失関数を用いた深層学習法を提案する。 異なるマカクの未確認区間における本手法の評価は, 真正率0.90の有望な結果をもたらす。
  論文  参考訳（メタデータ） (2022-08-06T19:17:02Z)
• ORF-Net: Deep Omni-supervised Rib Fracture Detection from Chest CT Scans [47.7670302148812]
  放射線科医は、スライス・バイ・スライス・バイ・スライス(スライス・バイ・スライス・スライス・バイ・スライス・バイ・スライス・バイ・スライス)に基づいてリブ骨折の調査と注釈を行う必要がある。 そこで本研究では,複数種類の注釈付きデータを利用するOmni教師付きオブジェクト検出ネットワークを提案する。 提案手法は、他の最先端手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-07-05T07:06:57Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
  極値理論に基づく新しいアイデンティティ分離法を提案する。 重なり合うラベルノイズによる問題を大幅に低減する。 制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
  論文  参考訳（メタデータ） (2020-07-14T12:26:50Z)

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。