論文の概要: Who Gets Missed in the Tail? Thresholded Subgroup Underdiagnosis in Long-Tailed Chest X-ray Classification

• arxiv url: http://arxiv.org/abs/2607.07717v1
• Date: Sat, 04 Jul 2026 10:30:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.274345
• Title: Who Gets Missed in the Tail? Thresholded Subgroup Underdiagnosis in Long-Tailed Chest X-ray Classification
• Title（参考訳）: 胸部X線診断における下垂体下垂体手術の問題点
• Abstract要約: 診断はしごを用いて、クラスレベルのロングテール損失、サブグループ認識重み付け、グループロバスト性、しきい値選択を分離する。 CXRにおける希少なラベルの公平性は、ラベルの頻度やランキングの指標だけではなく、発見、サブグループ、運用のしきい値に共同で依存する。
• 参考スコア（独自算出の注目度）: 14.273801823809839
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In chest X-ray (CXR) classification, acceptable ranking performance can still leave rare-positive patients below threshold, especially within subgroups. We study this pre-deployment fairness problem as an audit question: after a long-tailed multi-label CXR model is converted from scores into decisions, who is missed? Across VinDr-CXR and MIMIC-CXR/CXR-LT, we use a diagnostic ladder to separate class-level long-tail losses, subgroup-aware weighting, group robustness, and threshold selection. On VinDr-CXR, group-tail weighting followed by tail-aware thresholding reduces tail FNR from 0.665 to 0.269, sex worst-group FNR from 0.705 to 0.157, and age worst-group FNR from 0.822 to 0.133, while macro-mAP increases from 0.611 to 0.635. On MIMIC-CXR/CXR-LT, the same score-to-threshold comparison reduces tail FNR from 0.866 to 0.741 and lowers worst-group FNR across sex, age, race, and insurance; residual missed-positive rates nevertheless remain high. Paired bootstrap contrasts on VinDr support the thresholded FNR reductions, and GroupDRO reference runs indicate that aggregate group robustness alone does not remove rare subgroup misses in this setting. The study supports a narrow audit claim: rare-label fairness in CXR depends jointly on the finding, subgroup, and operating threshold, not on label frequency or ranking metrics alone.
• Abstract（参考訳）: 胸部X線分類(CXR)では,非陽性患者,特にサブグループにおいて,高い評価が得られている。 複数ラベルの長いCXRモデルがスコアから決定へと変換された後、誰が見逃したのか? VinDr-CXR と MIMIC-CXR/CXR-LT 全体で,診断はしごを用いて,クラスレベルの長テール損失,サブグループ認識重み付け,グループロバスト性,しきい値選択を行う。 VinDr-CXRでは、グループテールの重み付けと後尾のしきい値付けにより、尾のFNRが0.665から0.269に、性最悪のFNRが0.705から0.157に、年齢最悪のFNRが0.822から0.133に、マクロmAPが0.611から0.635に減少する。 MIMIC-CXR/CXR-LTでは、同じスコア・ツー・スレッショルド比較により、尾のFNRが0.866から0.741に減少し、性別、年齢、人種、保険で最悪のグループFNRが低下する。 VinDrのペアリングブートストラップはしきい値のFNR削減をサポートし、GroupDRO参照実行は、集合群ロバスト性だけは、この設定で稀なサブグループミスを除去しないことを示している。 CXRにおける希少なラベルの公平性は、ラベルの頻度やランキングの指標だけではなく、発見、サブグループ、運用しきい値に大きく依存する。

関連論文リスト

• DRRG: A Discrete Diffusion Framework for Radiology Report Generation [41.9313166365715]
  既存のほとんどのメソッドは、トークンごとにレポートトークンを生成する自動回帰(AR)フレームワークに依存しており、以前のコンテンツを修正できない。 対照的に、離散拡散大言語モデル (DLLM) は反復的 denoising を通じてテキストを生成する。 DRRGは、RRGを反復マスクトケンデノベーション(英語版)として定式化するフレームワークである。
  論文  参考訳（メタデータ） (2026-08-25T06:07:02Z)
• A cross-modal generative model for incomplete and degraded prostate MRI with multicentre clinical validation [48.14053205497089]
  MSCNetは、入手できないコントラストを再構築し、劣化したコントラストを復元するためのシーケンス条件のクロスモーダル生成フレームワークである。 画像の画質は、DWI, ADC, T2Wの既定不等式基準を満たしたが、T1Wは満たされなかった。
  論文  参考訳（メタデータ） (2026-08-17T08:11:25Z)
• Calibrated Selective Prediction Using Deep Ensembles for ROI-Based Thyroid Nodule Ultrasound Classification Under Dataset Shift: A Retrospective Evaluation [0.0]
  甲状腺結節分類と選択的画像ベーストリアージのための決定論的5員深層アンサンブルを開発した。 折りたたみ式のTN5000予測では、AUC-ROC 0.9395、AP 0.9715、ECE 0.0088、ブライアスコア 0.0813 を達成した。 この枠組みは強い内部識別と校正性を示したが、外部しきい値の輸送性は限られていた。
  論文  参考訳（メタデータ） (2026-07-13T18:50:57Z)
• Be Indiscrete: The Benefits of Learning Continuous Spine Degeneration Severity Scores [39.3098730337656]
  SpineRankNetは、腰椎MRIからスカラー重症度スコアを学習するフレームワークである。 連続的なスコアを生成するためにランキング損失を用いて訓練されたモデルがMRIスキャンのきめ細かい順序付けを可能にすることを示す。 ランク付けによって得られるスコアは、より遠いクラス間の差別も改善する。
  論文  参考訳（メタデータ） (2026-07-06T13:51:28Z)
• Beyond ROC-AUC: Operating-Point Performance Reporting for Biometric Verification [0.0]
  生体認証器は、しばしば厳密な偽一致予算で展開されるので、スコア範囲の狭く低い偽一致率(FMR)スライスのみを使用する。 実際には、受信機動作特性曲線(ROC-AUC)の下の1つの領域が分解能として報告されている。 完全なROC-AUCでは、FMR = 10-3では、より強く見えることが示されている。
  論文  参考訳（メタデータ） (2026-06-13T15:28:54Z)
• Opportunistic Bone-Loss Screening from Routine Knee Radiographs Using a Multi-Task Deep Learning Framework with Sensitivity-Constrained Threshold Optimization [9.995968038491128]
  変形性骨折を発症するまで、骨粗しょう症や骨減少症は診断されないことが多い。 変形性膝関節症評価のために, 膝X線撮影を行った。 単一チャネルグレースケール膝X線撮影のためのマルチタスクフレームワークSTR-Netを開発した。
  論文  参考訳（メタデータ） (2026-04-22T07:12:04Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• Closing the Performance Gap Between AI and Radiologists in Chest X-Ray Reporting [40.40577855417923]
  胸部X線レポート生成のための臨床評価型マルチモーダルAIモデルMAIRA-Xを紹介する。 タイプや縦方向の変化,配置などの属性を報告する上での精度を評価するために,新しいL&T特化メトリクスフレームワークを開発した。 以上の結果から,MAIRA-Xは放射線科医,特に高用量臨床現場で効果的に治療できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-11-21T10:53:26Z)
• Generalizable Diabetes Risk Stratification via Hybrid Machine Learning Models [0.0]
  糖尿病は世界中で5億3700万人を超え、2045年までに7億8300万人に達すると予測されている。 2つのハイブリッド分類器を比較し、外部コホート上での一般化性を評価する。
  論文  参考訳（メタデータ） (2025-09-24T21:18:52Z)
• A Progressive Risk Formulation for Enhanced Deep Learning based Total Knee Replacement Prediction in Knee Osteoarthritis [36.12790384412525]
  変形性膝関節症におけるTKR(Total Knee Replacement)の必要性を予測するための深層学習モデルを開発した。 モデルは、単一のスキャンを使用してTKR予測を実行し、さらに、以前のスキャンが利用可能になった場合、プログレッシブなリスク定式化を活用して予測を改善する。 変形性膝関節症(OAI)と多施設関節症研究(MOST)の膝X線写真とMRIを用いた。
  論文  参考訳（メタデータ） (2024-06-14T15:24:49Z)
• RimSet: Quantitatively Identifying and Characterizing Chronic Active Multiple Sclerosis Lesion on Quantitative Susceptibility Maps [5.254773451153404]
  多発性硬化症(MS)におけるRim+病変の定量的感受性マッピング(QSM)による検出 本報告では,QSM上のリム+病変の定量的同定とキャラクタリゼーションを行うためにRimSetを導入する。
  論文  参考訳（メタデータ） (2023-12-28T05:44:15Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• 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)
• Limitations of ROC on Imbalanced Data: Evaluation of LVAD Mortality Risk Scores [2.578242050187029]
  受信動作特性 (ROC) は分類器の性能の一般的な指標である。 ROCは、生き残る患者の圧倒的に多いため、短期的な死亡を予測できる分類器の歪んだビューを提供することができる。 本研究は,90日間のLVAD死亡に対する2つの分類器の成績について,ROCとPRCを比較した。
  論文  参考訳（メタデータ） (2020-10-29T11:10:15Z)

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。