論文の概要: Hallucinations and Constraints : Regulating surgical workflow recognition beyond accuracy
- arxiv url: http://arxiv.org/abs/2608.09332v1
- Date: Mon, 10 Aug 2026 09:11:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.177859
- Title: Hallucinations and Constraints : Regulating surgical workflow recognition beyond accuracy
- Title（参考訳）: 幻覚と制約 : 精度を超えた外科的ワークフロー認識の制御
- Abstract要約: 幻覚は、人工知能を医学に統合するための主要な関心事である。
本稿では, 位相誤差がより容易に測定し, 制御できる方法で幻覚を構成することを示唆する。
- 参考スコア（独自算出の注目度）: 0.027068158007212906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hallucinations are a major concern for the integration of artificial intelligence into medicine, although less explored in the realm of medical image processing. Unlike problems in natural text understanding and reasoning therewith, determining whether or not predictions derived from biomedical images and signals is less intuitively clear. This article suggests that topological errors could constitute hallucinations in a way that can be more readily measured and thus regulated. Certain of these properties for certain types of problems, such as biomedical signal segmentation, can be rephrased as linear temporal logic predicates, a number of which can be explicitly enforced using probabilistic graphical models. Our simulations show the potential of these explicitly constrained predicates for the case of automatic surgical phase recognition in robot-assisted hysterectomy, improving accuracy by approximately 10% while removing the vast majority of topological errors, suggesting that mathematical guarantees of correctness can supplement other empirical forms of regulating machine learning in medical image computing and computer-assisted interventions.
- Abstract（参考訳）: 幻覚は、医療画像処理の領域では研究されていないが、人工知能を医学に統合する上で大きな関心事である。
自然なテキスト理解や推論の問題とは異なり、バイオメディカル画像や信号から導かれる予測が直感的に明らかでないかどうかを判断する。
本稿では, 位相誤差がより容易に測定し, 制御できる方法で幻覚を構成することを示唆する。
生体信号セグメンテーションのような特定の問題に対するこれらの特性は、線形時間論理述語として記述することができ、その多くが確率的グラフィカルモデルを用いて明示的に適用できる。
シミュレーションでは,ロボットによるヒステリクトミーにおける自動手術位相認識におけるこれらの制約付き述語の可能性を示し,トポロジカルエラーの大部分を取り除き,精度を約10%向上させることにより,医療画像処理やコンピュータ支援による介入において,他の実験的な機械学習の形式を補うことができる可能性が示唆された。
関連論文リスト
- Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。
本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2026-03-16T17:20:38Z) - Transcending the Annotation Bottleneck: AI-Powered Discovery in Biology and Medicine [0.0]
自己教師型学習は、現在バイオバンクスケールデータセットの潜在可能性を解き放っている。
本稿は「ラベルなし学習」の初歩的・最近の進歩を合成する。
教師なしのフレームワークが、遺伝可能な心臓の特徴を導き出し、組織学における空間的遺伝子発現を予測し、教師付きフレームワークに匹敵するまたは超越するパフォーマンスで病理を検出すること。
論文 参考訳（メタデータ） (2026-02-23T18:15:30Z) - Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。
MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
論文 参考訳（メタデータ） (2025-03-22T22:13:14Z) - Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras [49.81327385913137]
ハイパーコンプレックス画像処理は、代数的および幾何学的原理を含む統一パラダイムで従来の手法を拡張している。
このワークル平均は、自然・生体画像解析のための四元数と2次元平面(四元数 - ピクセルを表す - を2次元平面に分割する)を分割する。
提案手法は、画像の自動処理パイプラインの一部として、カラー外観(例えば、代替リフレクションやグレースケール変換)と画像コントラストを規制することができる。
論文 参考訳（メタデータ） (2025-02-11T18:38:02Z) - Identifying the Attractors of Gene Regulatory Networks from Expression Data under Uncertainty: An Interpretable Approach [0.0]
実際の遺伝子制御ネットワークの時間的遺伝子発現プロファイルを考慮すれば、アトラクタはどのように堅牢に識別できるのか?
本稿では,Zadeh Computing with Wordsに基づく新しいアプローチを用いて,この問題に対処する。
提案手法は、ファジィ論理と言語的記述の両方の観点から、時間的遺伝子発現データからアトラクタを効果的に識別することができる。
論文 参考訳（メタデータ） (2024-03-16T20:56:22Z) - Uncertainty Quantification in Machine Learning for Biosignal Applications -- A Review [6.144680854063938]
不確実性定量化(UQ)は、機械学習予測の解釈可能性と堅牢性を改善するために、注目を集めている。
このアプリケーション領域に現在存在する様々な方法、欠点、不確実性対策、理論的枠組みについて述べる。
全体として、有望なUQ手法が利用可能であると結論付けることができるが、人やシステムが(クリニカルな)環境において不確実性モデルとどのように相互作用するかの研究が必要である。
論文 参考訳（メタデータ） (2023-11-15T14:24:33Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Unsupervised Brain Anomaly Detection and Segmentation with Transformers [2.559418792403512]
病理的な脳の外観は、正常性からの逸脱によって定義される異常としてのみ認識されるほど不均一である。
ここでは,ベクトル量子化変分オートエンコーダの潜在表現と自己回帰トランスフォーマのアンサンブルを組み合わせることにより,教師なし異常検出を実現する。
我々は,英国バイオバンクから15,000名の放射線学的に正常な被験者を対象に,小血管疾患,脱髄性病変,腫瘍を伴う4種類の脳MRデータセットの性能評価を行った。
論文 参考訳（メタデータ） (2021-02-23T12:10:58Z) - Relaxing the Constraints on Predictive Coding Models [62.997667081978825]
予測符号化(英: Predictive coding)は、脳が行う主計算が予測誤差の最小化であるとする皮質機能の影響力のある理論である。
アルゴリズムの標準的な実装は、同じ前方と後方の重み、後方の非線形微分、1-1エラーユニット接続といった、潜在的に神経的に予測できない特徴を含んでいる。
本稿では,これらの特徴はアルゴリズムに不可欠なものではなく,Hebbianの更新ルールを用いてパラメータセットを直接あるいは学習することで,学習性能に悪影響を及ぼすことなく除去可能であることを示す。
論文 参考訳（メタデータ） (2020-10-02T15:21:37Z) - Domain aware medical image classifier interpretation by counterfactual
impact analysis [2.512212190779389]
ニューラルネットワークに基づく属性法を導入し、任意のトレーニングされた予測器に適用する。
提案手法は,局所的な画像摂動が予測者のスコアに与える影響を計測することにより,入力画像の正当領域を1つの前方通過で同定する。
論文 参考訳（メタデータ） (2020-07-13T11:11:17Z)
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。