論文の概要: Reliability-Centered Evaluation of Sparse Longitudinal CT Lesion-Size Forecasting with Conformal Interval Calibration and Gompertz-Inspired Regularization

• arxiv url: http://arxiv.org/abs/2609.21197v1
• Date: Fri, 18 Sep 2026 01:25:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.815548
• Title: Reliability-Centered Evaluation of Sparse Longitudinal CT Lesion-Size Forecasting with Conformal Interval Calibration and Gompertz-Inspired Regularization
• Title（参考訳）: Conformal Interval Calibration と Gompertz-Inspired Regularization を用いたSparse Longitudinal CT Lesion-Size Forecasting の信頼性評価
• Abstract要約: 我々は,DeepLesionとDeep Lesion Trackerから,DLT由来の5ビジットな同一方向軌跡ベンチマークを構築した。 探索的スパース・トゥ・ファイナル解析と主固定入射地平面設計との比較を行った。 我々は,予測精度,不確実性信頼性,ポストホック等間隔キャリブレーション,サブグループ性能,およびGompertz誘発軌道正則化を評価した。
• 参考スコア（独自算出の注目度）: 0.8460698440162889
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse longitudinal CT follow-up limits lesion-size forecasting when only a few prior observations are available. We constructed a five-visit DLT-derived same-lesion trajectory benchmark from DeepLesion and Deep Lesion Tracker (DLT), yielding 205 trajectories from 129 patients. We compared an exploratory conventional sparse-to-final analysis with a primary fixed visit-index horizon design predicting the common log change from T3 to T4 while progressively adding earlier observations, evaluating predictive accuracy, uncertainty reliability, post-hoc conformal interval calibration, subgroup performance, and Gompertz-inspired trajectory regularization. The evaluated methods showed partially overlapping point-prediction accuracy but distinct uncertainty behavior. Mean held-out RMSE across ten training seeds was 0.4726, 0.4305, 0.4499, and 0.4513 for m = 1, 2, 3, 4, indicating the lowest mean RMSE at m = 2; additional history did not improve RMSE. At m = 4, raw Cohort-Level Feature GP coverage was near the 95% nominal level, whereas MC Dropout, Deep Ensemble, and residual-scale intervals were conservative. Patient-level conformal calibration generally produced near-nominal or conservative coverage at the cost of wider intervals. Patient-grouped development cross-validation selected lambda* = 0 for the Gompertz-inspired term. A global population reference frequently opposed lesion-level change directions, and prediction difficulty varied across anatomical subgroups. Overall, additional historical observations provided limited predictive benefit once the prediction horizon was controlled, while predictive accuracy, uncertainty reliability, and trajectory consistency did not necessarily improve together, and should be evaluated jointly in sparse longitudinal imaging.
• Abstract（参考訳）: 軽度CTの経過観察時, 病変サイズ予測は軽度で, 経過観察は少ない。 我々は,Deep Lesion and Deep Lesion Tracker (DLT) を用いて,DLT由来の5ビジットDLTトラジェクトリ・ベンチマークを構築し,129例から205件のトラジェクトリを得た。 探索的な従来のスパース・トゥ・ファイナル解析と,T3からT4への共通ログ変化を予測した一次固定入射地平線設計を比較し,予測精度,不確実性信頼性,保温後共形間隔校正,サブグループ性能,およびGompertz-inspireed trajectory regularizationを評価した。 評価手法では点予測精度は一部重複するが,不確実性は明瞭であった。 訓練種子10種平均RMSEは0.4726,0.4305,0.4499,0.4513 for m = 1, 2, 3, 4,。 m = 4, 生のコホートレベルGPは95%に近かったが, MC Dropout, Deep Ensemble, 残留間隔は保守的であった。 患者レベルのコンフォメーション・キャリブレーションは概して、より広い間隔のコストで、ほぼ無害あるいは保守的なカバレッジを生み出した。 患者グループによる開発クロスバリデーションは、Gompertzにインスパイアされた用語に対してlambda* = 0を選択した。 グローバルな集団基準は病変レベルの変化方向に対して頻繁に反対し、予測困難は解剖学的サブグループによって異なる。 また, 予測精度, 不確実性, 軌跡の整合性は必ずしも改善せず, スパース縦断撮影では共同で評価すべきであった。

関連論文リスト

• Beyond Optimal Rates in Stochastic Optimization: Trajectory-Adaptive Stopping Rules [42.38093055717409]
  我々は、新しい信頼系列法と、適応されたプロセスに対する時間一様経験的バーンスタイン不等式を開発する。 結果の停止規則は、自然勾配の地平線より少ない数桁の順序を必要とすることが示される。
  論文  参考訳（メタデータ） (2026-08-26T09:02:46Z)
• PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories [33.074550441856196]
  PGP-Clinical-TimeKANは多変量生理学の合同確率予測のための軌道優先のフレームワークである。 欠如を意識した時間エンコーダ、ソフトオルガン前駆体、患者固有の関係、非線形コルモゴロフ・アルノルドメッセージ、低ランクの多変量学生-tヘッドを組み合わせる。
  論文  参考訳（メタデータ） (2026-08-24T23:33:35Z)
• Distribution-Free Conformal Prediction for Steel Fatigue Strength: Marginal Validity Is Not Enough [0.0]
  鋼部品の疲労破壊を実験的に予測するには、複数の組成と処理条件をまたいだ試験が必要であるため、コストがかかる。 NIMS MatNavi鋼疲労データセットを用いた研究は、しばしば高い点予測精度を報告するが、総合誤差測定に依存する。 本論文は, 鋼疲労強度に対する適合予測を初めて適用したものである。
  論文  参考訳（メタデータ） (2026-08-05T18:13:28Z)
• Beyond Random Partitioning: Unsupervised Spatio-Temporal Stratification for Cohort Balancing in Longitudinal Medical Imaging [0.9530026127073782]
  標準化された6次元関節強度時間的特徴空間上での肘群K平均クラスタリングを組み合わせた非教師付き時間的コホートバランス標準動作手順(SOP)を定式化する。 コントラストが強化された$T1$-izable 脳MRIコホートでは、従来のランダムシャッフルでは最大サブセット強度バイアスが34.1%から2.1%以下に減少する。
  論文  参考訳（メタデータ） (2026-07-29T09:33:19Z)
• When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms [43.8784307709823]
  物理信号の長距離自己回帰予測は誤差蓄積によって制限される。 物理的に構造化されたテストベッドとして,合成3成分地震計を用いて,このようなロールアウトが安定であるかどうかを問う。
  論文  参考訳（メタデータ） (2026-06-09T13:46:14Z)
• Anatomically-aware conformal prediction for medical image segmentation with random walks [8.829058131683764]
  コンフォーマル予測(CP)は統計的に有効な予測区間を構築するための強力な分布自由フレームワークである。 本稿では,任意のセグメンテーション法上に付加可能なモデルに依存しないフレームワークであるランダム-ウォーク整形予測(RW-CP)を提案する。
  論文  参考訳（メタデータ） (2026-01-26T22:16:07Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Conformal Lesion Segmentation for 3D Medical Images [82.92159832699583]
  本稿では,データ駆動しきい値の校正をコンフォーマル化することで,テスト時間FNRが目標許容値以下であることを保証する,リスク制約付きフレームワークを提案する。 5つのバックボーンモデルにまたがる6つの3D-LSデータセット上でのCLSの統計的健全性と予測性能を検証し,臨床実践におけるリスク認識セグメンテーションの展開に関する実用的な知見を得た。
  論文  参考訳（メタデータ） (2025-10-19T08:21:00Z)
• Accurate Cobb Angle Estimation via SVD-Based Curve Detection and Vertebral Wedging Quantification [15.50536450875717]
  思春期特発性強皮症(AIS)は、世界中で約2.2%の男子と4.8%の女子に影響を及ぼす一般的な脊椎変形である。 従来の方法は、単純な脊椎モデルと、臨床の複雑さに対処できない所定の曲線パターンを使用する。 AIS評価のための新しい深層学習フレームワークを提案し,各椎骨について,上面と下面の両方の角度と,対応する中点座標を同時に予測する。
  論文  参考訳（メタデータ） (2025-09-29T15:07:55Z)
• Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
  本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
  論文  参考訳（メタデータ） (2023-06-15T21:42:40Z)
• Conformal Prediction Intervals with Temporal Dependence [40.282423098764404]
  横断予測は医療などの多くの領域で一般的である。 本稿では,時間列回帰における有効予測区間(PI)を横断的に構築する作業に着目する。
  論文  参考訳（メタデータ） (2022-05-25T17:45:04Z)

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。