論文の概要: Analysis of the Shortcut Learning and Clever Hans Effect in CNN based ECG Image Classification

• arxiv url: http://arxiv.org/abs/2607.25117v1
• Date: Mon, 27 Jul 2026 22:24:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.642646
• Title: Analysis of the Shortcut Learning and Clever Hans Effect in CNN based ECG Image Classification
• Title（参考訳）: CNNを用いたECG画像分類におけるショートカット学習とクレバーハンス効果の解析
• Abstract要約: ECG画像分類のための深層学習モデルは、ECG波形形態の代わりに非生理的視覚的手がかりを活用することにより、高い精度を達成することができる。 本研究では,畳み込みニューラルネットワークを用いたECG画像データセットにおけるショートカット学習とクレバーハンス効果について検討した。
• 参考スコア（独自算出の注目度）: 2.21658458251407
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep learning models for ECG image classification may achieve high accuracy by exploiting non-physiological visual cues instead of ECG waveform morphology. Given the black-box nature of deep learning models, their promise of high predictive performance often remains insufficiently translated into clinical or real-world trust, interpretability, and actionable decision-making. In this study, we examine shortcut learning and Clever Hans effect in a publicly available ECG image dataset using convolutional neural networks. In process we have created six image-derived feature sets (FSs), FS1: raw full ECG images, FS2: cropped waveform-only images, FS3: waveform-masked metadata images, FS4: red-arrow artifact images for the myocardial infarction class, FS5: contrast-enhanced images for the abnormal heartbeat class and FS6: Gaussian-blurred images for the normal class. These controlled representations were used to test whether classification performance persists when waveform information is removed or when artificial class-specific artifacts are introduced. Shortcut retention score, prediction consistency and confidence divergence across Feature-Set Representations have been calculated to assess the transparency about the learning pattern. Along with factual results, average Integrated Gradients and occlusion sensitivity test results are presented to inspect whether model attribution focused on ECG-relevant waveform regions or on non-clinical artifacts. Performance changes across feature sets and attribution patterns were used to identify potential Clever Hans behavior. This study evaluates whether ECG image classifiers learn clinically meaningful morphology or shortcut cues introduced by report layout, metadata, contrast, blur, or artificial markers.
• Abstract（参考訳）: ECG画像分類のための深層学習モデルは、ECG波形形態の代わりに非生理的視覚的手がかりを活用することにより、高い精度を達成することができる。 深層学習モデルのブラックボックスの性質を考えると、高い予測性能の約束はしばしば、臨床または現実世界の信頼、解釈可能性、行動可能な意思決定に不十分に変換される。 本研究では,畳み込みニューラルネットワークを用いたECG画像データセットにおいて,ショートカット学習とクレバーハンス効果について検討した。 FS1:生の完全なECG画像,FS2:収穫された波形のみのメタデータ画像,FS3:波形にマッチしたメタデータ画像,FS4:心筋梗塞クラス,FS5:異常心拍クラスのコントラスト強調画像,FS6:正常クラスのガウスブルー画像の6つを作成しました。 これらの制御された表現は、波形情報が削除されたときや、人工的なクラス固有のアーティファクトが導入されたときの分類性能が持続するかどうかをテストするために使用された。 学習パターンの透明性を評価するために, 特徴セット表現のショートカット保持スコア, 予測整合性, 信頼性のばらつきを算出した。 実測結果と合わせて,ECG関連波形領域に着目したモデル属性と非クリニカルアーティファクトに着目したモデル属性の検証を行った。 Clever Hansの潜在的な振る舞いを特定するために、機能セットと属性パターン間のパフォーマンス変化が使用された。 本研究は、ECG画像分類器が、レポートレイアウト、メタデータ、コントラスト、ぼかし、または人工マーカーによって導入される、臨床的に意味のある形態学またはショートカットの方法を学ぶかどうかを評価する。

関連論文リスト

• SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation [52.62632888060867]
  可視赤外画像変換は、豊富な可視画像を用いて赤外線トレーニングデータを拡張するための実用的な方法を提供する。 既存の拡散に基づくメソッドは、通常、外部条件としてのみセマンティックプリエントを使用する。 SC-Diffは、条件付きガイダンスと内部自己注意校正の両方にセマンティックな事前情報を利用する意味論的潜伏拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-08-09T07:57:40Z)
• ECG-IMN: Interpretable Mesomorphic Neural Networks for 12-Lead Electrocardiogram Interpretation [1.7152890789230053]
  深層学習は心電図(ECG)の診断において専門家レベルのパフォーマンスを達成したが、これらのモデルの「黒い箱」の性質は臨床展開を妨げている。 本稿では,高分解能12リードECG分類に適した解釈可能なメソモルフィックニューラルネットワークECG-IMNを提案する。
  論文  参考訳（メタデータ） (2026-02-10T09:17:29Z)
• A Deep Learning Pipeline Using Synthetic Data to Improve Interpretation of Paper ECG Images [8.559073054541754]
  心臓血管疾患 (CVDs) は、死の世界的な主要な原因であり、早期発見は患者の予後を改善するのに不可欠である。 本稿では,紙のようなECG画像を5つの診断カテゴリに分類する深層学習フレームワークを提案する。 私たちの手法は、2024年のBritish Heart Foundation Open Data Science Challengeで優勝しました。
  論文  参考訳（メタデータ） (2025-07-29T16:16:17Z)
• Heart Rate Classification in ECG Signals Using Machine Learning and Deep Learning [0.0]
  本研究は心電図信号からの心拍を2つの異なるアプローチで分類する。 従来の機械学習は、手作りの機能と、ECGビートを変換した画像によるディープラーニングを利用している。 SVMやAdaBoostのようなモデルではスコアが大幅に低くなり、このタスクには限定的な適合性を示した。
  論文  参考訳（メタデータ） (2025-06-02T05:16:16Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• Skull-stripping induces shortcut learning in MRI-based Alzheimer's disease classification [0.0]
  本研究は,T1重み付き白白質テクスチャ,容積情報,前処理の寄与を系統的に評価した。 画像内容の相違にもかかわらず, 分類精度, 感度, 特異性は前処理条件で安定していた。 この振る舞いは、前処理アーティファクトが意図しない潜在的手がかりとして機能するショートカット学習現象を反映している。
  論文  参考訳（メタデータ） (2025-01-27T07:37:37Z)
• PIGUIQA: A Physical Imaging Guided Perceptual Framework for Underwater Image Quality Assessment [59.9103803198087]
  水中画像品質評価(UIQA)のための物理画像ガイド型知覚フレームワークを提案する。 水中放射移動理論を応用して、物理に基づく画像推定を統合して、これらの歪みの定量的な測定値を確立する。 提案モデルは,画像品質のスコアを正確に予測し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-12-20T03:31:45Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
  本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。 本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。 提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
  論文  参考訳（メタデータ） (2023-12-27T17:36:32Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• Anomaly Detection in Time Series with Triadic Motif Fields and Application in Atrial Fibrillation ECG Classification [3.026059658770843]
  時系列分析では、時系列モチーフと時系列の順序パターンは、一般的な時間パターンと動的特徴を明らかにすることができる。 TMFは、三進時系列モチーフに基づくシンプルで効果的な時系列画像符号化方法です。 この動的特徴は、伝達学習事前学習畳み込みニューラルネットワーク(CNN)モデルを用いて、TMF画像から抽出することができる。 symmetrized Gradient-weighted Class Mappingによって明らかにされたパターンは、明確な臨床解釈を有する。
  論文  参考訳（メタデータ） (2020-12-09T09:39:48Z)

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。