論文の概要: Anatomically Faithful but Temporally Blind: Auditing Attribution for Left-Ventricular Ejection-Fraction Estimation from Echocardiography

• arxiv url: http://arxiv.org/abs/2607.13738v1
• Date: Wed, 15 Jul 2026 11:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.754134
• Title: Anatomically Faithful but Temporally Blind: Auditing Attribution for Left-Ventricular Ejection-Fraction Estimation from Echocardiography
• Title（参考訳）: 解剖学的に忠実だが一時的盲点:心エコー法による左室エジェクションの検討
• Abstract要約: EchoNet-Dynamic上で2つの異なるEFレグレッタを微調整します。 アーキテクチャに適合した属性を3つの軸に沿って監査します。 結果: どちらのモデルも解剖学的に忠実な -- IoR 2.91x (VideoMAE)と1.98x (R(2+1)D -- であるが、時間的に盲目である。
• 参考スコア（独自算出の注目度）: 4.110454468583892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background and Objective: Deep video models estimate left-ventricular ejection fraction (EF) from echocardiography with near-expert accuracy, and post-hoc attribution (Chefer relevance for transformers, Grad-CAM for CNNs) is increasingly used to certify that models "look at the right place." Yet whether these explanations are faithful both spatially and temporally is unaudited. Because EF is defined by the end-systolic (ES) and end-diastolic (ED) frames, a faithful explanation must localize the left ventricle (space) and the decisive frames (time). Methods: We fine-tune two distinct EF regressors on EchoNet-Dynamic -- a self-supervised VideoMAE transformer and a Kinetics-pretrained R(2+1)D CNN -- and audit each with architecture-matched attribution along three axes: intersection-over-relevance (IoR) against LV masks, deletion AUC, and a temporal localization index on ES/ED frames, each relative to chance with per-case 95% CIs over 50 studies. A tubelet-occlusion probe separates attribution failure from model behavior. Results: Both models are anatomically faithful -- IoR 2.91x (VideoMAE) and 1.98x (R(2+1)D) above chance -- yet temporally blind: temporal localization is indistinguishable from chance (0.97--1.00) and no better than random attribution. Occlusion shows the models do not preferentially rely on ES/ED (0.90x chance), so temporal blindness reflects model behavior, not an attribution artifact. Conclusions: Spatial faithfulness does not imply temporal faithfulness. Attribution can certify anatomical grounding while masking that a model ignores the clinically decisive frames -- a caution for XAI-based validation of video diagnostic models and a call for temporally-aware training and evaluation.
• Abstract（参考訳）: 背景と目的 ディープビデオモデルは、心エコーから左室放出率(EF)をほぼ精度で推定し、心電図後帰属(Chefer Relevance for transformer, Grad-CAM for CNNs)は、モデルが「適切な場所を見る」ことを証明するために、ますます用いられる。 しかし、これらの説明が空間的にも時間的にも忠実かどうかは不明である。 EFはエンドシストリクス(ES)とエンドシストリクス(ED)のフレームで定義されるので、忠実な説明は左室(空間)と決定的なフレーム(時間)をローカライズする必要がある。 方法: 自己教師型ビデオMAE変換器とKinetics-pretrained R(2+1)D CNNの2つのEF回帰器をEchoNet-Dynamic上で微調整し,LVマスクに対する交差関連性(IoR),削除AUC,ES/EDフレーム上の時間的ローカライゼーション指数の3つの軸に沿って,それぞれがアーキテクチャに適合した属性で監査する。 チューブレット閉塞プローブは、帰属障害とモデル動作を分離する。 結果:どちらのモデルも解剖学的に忠実である -- IoR 2.91x (VideoMAE) と 1.98x (R(2+1)D 上のチャンス -- しかし、時間的ブラインド: 時間的ローカライゼーションは偶然 (0.97--1.00) と区別できず、ランダムな帰属に勝るものではない。オクルージョンは、モデルがES/ED (0.90x chance) に優先的に依存していないことを示しているため、時間的ブラインドは、帰納的アーティファクトではなくモデル行動を反映している。結論: 空間的忠実さは、時間的忠実さを示唆しない。属性は、モデルが臨床的に決定的なフレームを無視していることを証明しながら、解剖学的根拠を認証することができる。XAIベースの診断および時間的評価のための警告。

関連論文リスト

• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• Causal State-Space Model for Causal Inference: Estimating Longitudinal Individual Treatment Effects [2.4405762029252465]
  既存の方法は、治療代入に不変な表現をレンダリングする敵の訓練に依存している。 我々は, 逆実予測誤差に縛られたジェンセン・シャノンの発散により, この緊張関係を定式化する。 我々は、CSSD(Direct Decoder付きCausal State-Spaceモデル)とCSSPD(Predictive regularization付きCausal State-Spaceモデル)の2つの補完モデルを開発している。
  論文  参考訳（メタデータ） (2026-08-08T18:41:36Z)
• DriftScope: Measuring The Hidden Effects of Diffusion Model Adaptation [50.584834483403675]
  新しい視覚概念を学習するか、望ましくないものを消去するか、事前学習したテキスト・画像拡散モデルに適応させることは、意図した効果だけで日常的に評価される。 適応が意味論的に無関係な概念を、構造的にメトリクスを集約することができない方法で体系的に損なうことを実証する。 DriftScopeは、任意の2つのモデルチェックポイントを取り込み、視覚的概念が最も移行したトークンのランクリストを返す、プロンプトレベルの診断ツールである。
  論文  参考訳（メタデータ） (2026-06-30T20:57:51Z)
• The Saturation Trap and the Subjectivity of Intervention Timing: Why Affect-Based Triggers and LLM Judges Fail to Time Interventions on Autonomous Agents [0.0]
  インターベンションタイミングは信頼性の低い構造であり、シングルアノテータF1を不適切な最適化ターゲットとする。 我々の貢献は、人間のレータ間の信頼性、4つの検出器アーキテクチャ、モデルのLEM-judgeスイープ、再現された飽和効果にまたがるこの問題を、共同でマッピングすることである。
  論文  参考訳（メタデータ） (2026-06-02T23:54:27Z)
• Unveiling the Entropy Dynamics of Chain-of-Thought Reasoning [81.57028614960576]
  1)信頼性の高い -- 信頼性の高い -- 信頼性の高い領域での回答は高度に正確で安定したものになり、2)高冗長性 -- モデルは正しい回答に達した後ずっと経ってから不必要なトークンを生成する。 これらの特性はより効率的で信頼性の高い推論戦略を解き放つ。
  論文  参考訳（メタデータ） (2026-06-01T10:11:14Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• CaC: Advancing Video Reward Models via Hierarchical Spatiotemporal Concentrating [49.94171749437024]
  本稿では,ビジョンランゲージモデルに基づく粗大な異常報酬モデルである集中と集中(CaC)を提案する。 フレーム単位のバウンディングボックスアノテーション,時間的異常ウィンドウ,微粒な属性ラベルを備えた,最初の大規模ビデオ異常データセットを構築した。 実験では、CaCは微妙な異常に安定して集中することができ、微細な異常ベンチマークの精度が25.7%向上した。
  論文  参考訳（メタデータ） (2026-05-12T08:08:33Z)
• Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency [12.266189649117003]
  我々は地域の監督をグローバルな構造的制約に置き換える。 この特性からの偏差が2つの目的に作用する時間条件のセカント速度場を訓練する。 トレーニング正則化器として、時間スケールで一貫して構成されるフローに仮説空間を限定する。
  論文  参考訳（メタデータ） (2026-05-08T20:24:32Z)
• The frame-level leakage trap: rethinking evaluation protocols for intrinsic image decomposition, with source-separable uncertainty as a case study [0.0]
  3つのアーキテクチャで、初めてリーク効果を定量化します。 フレームレベルスプリットは、シーンレベルスプリットに対してR_PSNRを1.6〜2.0dB膨張させる。 我々は、S + N で構成された物理インフォームド分解 I = R を、ソース分離可能な三方向不確実性ヘッドで表現する。
  論文  参考訳（メタデータ） (2026-05-07T14:37:16Z)
• Auxiliary Finite-Difference Residual-Gradient Regularization for PINNs [0.0]
  本研究では,PDE残差が保たれるハイブリッド設計について検討するが,有限差分は弱い補助項にのみ現れる。 FD項は、PDE残基自体を置き換えることなく残留体を正則化する。 種子0-5と100kのエポック全体で、最も信頼性の高い試験はクルコウタス・ベタ政権下での固定殻重量5e-4である。
  論文  参考訳（メタデータ） (2026-04-15T23:09:19Z)
• ConvFormer3D-TAP: Phase/Uncertainty-Aware Front-End Fusion for Cine CMR View Classification Pipelines [0.879504058268139]
  ConvFormer3D-TAPは3D畳み込みトークン化とマルチスケールの自己アテンションを統合し、心臓相と曖昧な側頭節間の堅牢性を高める。 ConvFormer3D-は150,974の臨床的に得られたシネ配列のコホートで、クラスごとのF1スコアによる検証精度が96%に達した。 これらの結果は、エンドツーエンドのcMRIにおけるビュールーティング、フィルタリング、品質制御のためのスケーラブルなフロントエンドとして、ConvFormer3DTAPをサポートする。
  論文  参考訳（メタデータ） (2026-04-13T12:29:16Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• XAI-Driven Diagnosis of Generalization Failure in State-Space Cerebrovascular Segmentation Models: A Case Study on Domain Shift Between RSNA and TopCoW Datasets [0.5735035463793009]
  我々は、最先端状態空間モデル(SSM)の一般化失敗を診断するための厳密で二相的なアプローチを提案する。 そこで本研究では,アテンションマップとグラウンド・トゥルース・セグメンテーションの重なり合いを計測することにより,モデルの焦点を定量化した。 本分析は,ターゲット領域の真の解剖学的特徴を放棄したアテンション機構のため,モデルが一般化しなかったことを証明している。
  論文  参考訳（メタデータ） (2025-12-16T00:34:32Z)
• ProtoEFNet: Dynamic Prototype Learning for Inherently Interpretable Ejection Fraction Estimation in Echocardiography [3.041654619898153]
  ProtoEFNetは、連続EF回帰のためのビデオベースのプロトタイプ学習モデルである。 臨床的に意味のある心臓の動きパターンを捉える動的時間的プロトタイプを学習する。 実験の結果,ProtoEFNetの精度は非解釈可能なものと同等であることがわかった。
  論文  参考訳（メタデータ） (2025-12-03T01:11:28Z)
• Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
  TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。 我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。 並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
  論文  参考訳（メタデータ） (2025-08-28T07:09:21Z)
• OccluNet: Spatio-Temporal Deep Learning for Occlusion Detection on DSA [1.3635341861371646]
  デジタル・サブトラクション・アンギオグラフィーの解釈は、複雑さと解剖学的時間的制約による課題を引き起こす。 この研究は、一段階の物体検出器であるYOLOXを統合した時相ディープラーニングモデルであるOccluNetを提案する。 MR CLEAN RegistryによるDSA画像の評価では、時間的に一貫した特徴をキャプチャするモデルの能力が明らかにされた。
  論文  参考訳（メタデータ） (2025-08-19T21:59:59Z)
• Orthogonal Subspace Decomposition for Generalizable AI-Generated Image Detection [58.87142367781417]
  航法的に訓練された検出器は、限定的で単調な偽のパターンに過度に適合する傾向にあり、特徴空間は高度に制約され、低ランクになる。 潜在的な治療法の1つは、ビジョンファウンデーションモデルに事前訓練された知識を取り入れて、機能領域を広げることである。 主要なコンポーネントを凍結し、残ったコンポーネントのみを適用することで、フェイクパターンを学習しながら、トレーニング済みの知識を保存します。
  論文  参考訳（メタデータ） (2024-11-23T19:10:32Z)
• CoReEcho: Continuous Representation Learning for 2D+time Echocardiography Analysis [42.810247034149214]
  直接EF回帰に適した連続表現を強調する新しいトレーニングフレームワークであるCoReEchoを提案する。 CoReEcho: 1) 最大の心エコー画像データセット(EchoNet-Dynamic)上で現在最先端のSOTA(State-of-the-art)を、82.44の3.90&R2のMAEで上回り、2) 関連する下流タスクにおいてより効果的に転送する堅牢で一般化可能な機能を提供する。
  論文  参考訳（メタデータ） (2024-03-15T10:18:06Z)
• Prediction of progressive lens performance from neural network simulations [62.997667081978825]
  本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。 提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
  論文  参考訳（メタデータ） (2021-03-19T14:51:02Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

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。