論文の概要: Observer Choice and Threshold Selection in Retinal Vessel Segmentation: A Subject-Separated Evaluation
- arxiv url: http://arxiv.org/abs/2609.25597v1
- Date: Tue, 22 Sep 2026 02:41:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.185139
- Title: Observer Choice and Threshold Selection in Retinal Vessel Segmentation: A Subject-Separated Evaluation
- Title（参考訳）: 網膜血管セグメンテーションにおけるオブザーバ選択と閾値選択 : 被験者別評価
- Abstract要約: 全28個のCHASE DB1画像と両アノテーションを用いて網膜血管分割の選択について検討した。
ランダムな森林では、マキシミンは21本中19本で閾値を変化させるが、最悪のサーバのDiceは70.53パーセントから70.45パーセントに低下する。
IdenticalObserver-1-tuned random-forest masks score 73.6% againstObserver 1 and 71.06% againstObserver 2
- 参考スコア（独自算出の注目度）: 28.97096038427138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The annotation used to select a segmentation threshold is part of the evaluation protocol, yet its effect is easily conflated with model quality. We examine this choice for retinal vessel segmentation using all 28 CHASE DB1 images and both human annotations. A fixed seven-fold protocol keeps both eyes of each of the 14 subjects together. Random forests and Extra Trees are fitted against observer 1 with three random seeds, yielding 42 fits. Five threshold policies share identical score maps: fixed 0.50, observer-1 tuning, observer-2 tuning, mean-observer tuning, and maximin tuning of the per-image lower observer Dice. For random forests, maximin changes the threshold in 19 of 21 fits, but worst-observer Dice decreases from 70.53 percent to 70.45 percent. The paired difference is -0.073 percentage points, with a conditional subject-bootstrap 95 percent interval of [-0.384, 0.238]. Extra Trees shows the same direction. Identical observer-1-tuned random-forest masks score 73.66 percent against observer 1 and 71.06 percent against observer 2. The results support explicit reporting of both the threshold-selection reference and evaluation reference; they do not support an accuracy benefit from maximin tuning in this cohort. All splits, raw predictions, metrics and code are supplied. AI assistance is disclosed.
- Abstract（参考訳）: セグメンテーションしきい値を選択するためのアノテーションは評価プロトコルの一部であるが、その効果はモデルの品質と容易に混同される。
全28個のCHASE DB1画像と両アノテーションを用いて網膜血管の分節選択について検討した。
固定された7倍のプロトコルは、14人の被験者の両目をまとめて保持する。
ランダム・フォレストとエクストラ・ツリーは、3つのランダム・シードを持つオブザーバー1に適合し、42個のフィットを与える。
5つのしきい値ポリシーは、固定0.50、オブザーバ-1チューニング、オブザーバ-2チューニング、平均オブザーバチューニング、画像ごとの低いオブザーバDiceの最大チューニングの5つのスコアマップを共有する。
ランダムな森林では、マキシミンは21本中19本で閾値を変化させるが、最悪のサーバのDiceは70.53パーセントから70.45パーセントに低下する。
対差は-0.073パーセンテージで、条件付きベースブートストラップは [-0.384, 0.238] の95%間隔である。
木が同じ方向を向いている。
IdenticalObserver-1-tuned random-forest masks score 73.6% againstObserver 1 and 71.06% againstObserver 2
その結果、しきい値選択基準と評価基準の両方の明示的な報告をサポートし、このコホートにおける最大チューニングによる精度の利点をサポートしない。
すべての分割、生の予測、メトリクス、コードは提供されます。
AI支援が開示されている。
関連論文リスト
- OSCAR: Order-aware Scoring and Calibration for AI Rankings [5.827674099587138]
我々は、AIランキングのスコア付けと校正のための秩序対応フレームワークであるOSCARを紹介する。
18人の評価者による公表された判定では、A-minus-Bスコアの差は-63.11ドルから9,8.31ドルまで様々である。
感度に基づく格付けを判断対象の位置、長さ、家族用語で拡張し、局所的な排便誘発変位と識別障害を特徴付けるとともに、調整された比較にプロンプト・クラスタの不確実性を伝達する。
論文 参考訳（メタデータ） (2026-09-21T05:30:16Z) - Automated Perceptually-Motivated Assessment of Photographic Consistency in Paired Clinical Photographs: Pipeline Development and Internal Evaluation [0.0]
我々は、13のキャリブレーションされたサブメトリックにまたがるプレ/ポストペアを分析するパイプラインを開発した。
パイプラインは、患者内公開のプレ/ポストペア134に適合し、同一イメージペア、合成・摂動ペア134とミスマッチしたクロスパブリケーションペア134に対して評価された。
論文 参考訳（メタデータ） (2026-09-14T07:19:17Z) - K/V-Cache Interventions Dissociate Representation Alignment from Persona Expression in Decoder-Only Language Models [32.7114174898989]
我々は,デコーダのみの言語モデルにおけるペルソナ制御のための構造化曲面として,K/V-cacheの介入について検討する。
表現レベルのアライメントと行動表現の間には2つの一貫した普遍性があり,また位置摂動下での共通の失敗も報告する。
論文 参考訳（メタデータ） (2026-09-10T02:56:50Z) - BagShift: Measuring How Patch Selection Changes the Evidence Seen by Whole-Slide MIL [5.37385089150859]
BagShiftは、同じケースのセレクタを変更しながら、その機能と予測子を固定したペアプロトコルである。
均等な128パッチの予算で、組織をサンプリングしたり、1つの座標の周りに集中させたりすると、明らかに異なる証拠が浮かび上がる。
CAMELYON16では, 微小転移観察の10.0%に限って, 局所的な観察が腫瘍を保っていることが示唆された。
局所的な観測を繰り返すと、1つの非線形MILパスの前にパッチを結合することで、平均的な地域予測よりもPANDA QWKを7.87ポイント改善する。
論文 参考訳（メタデータ） (2026-08-16T23:53:11Z) - Automated binary classification of hazelnut X-ray images: A deep-learning benchmark for quality assessment [33.72751145910978]
非破壊的なX線撮影では、外部検査だけでは検出が難しい内部のハゼルナッツの欠陥が明らかになる。
799セグメントのシングルカーネルX線画像に基づくバイナリ・ヘーゼルナットの品質分類のベンチマークを提案する。
論文 参考訳（メタデータ） (2026-08-12T07:55:22Z) - Blind to the Pivotal Vote: Aggregate Independence Metrics Miss Where Verification Actually Helps [9.710464466895521]
多数派の置換規則は、クエリの16.2%でシグナルを呼び出しながら、全体的な精度を82.44%から85.62%に向上させる。
HumanEval+/MBPP+では、16.2%のクエリでシグナルを呼び出しながら、多数派の置換規則が全体の精度を82.44%から85.62%に引き上げている。
論文 参考訳（メタデータ） (2026-08-07T08:14:46Z) - Which Values Do LLMs Confuse? A Schwartz-Based Recognition Study [32.505127447635864]
シュワルツの10つの基本値に対するトップ1認識の制御について検討した。
我々は,21の命令調整LDM動作を定位応答プロトコルで評価する。
モデルはしばしば正しいモチベーション領域を見つけ、近い選択肢を不安定にランク付けする。
論文 参考訳（メタデータ） (2026-07-22T15:22:14Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Measuring Faithfulness Depends on How You Measure: Classifier Sensitivity in LLM Chain-of-Thought Evaluation [0.0]
連鎖忠実性に関する最近の研究は、単一集合数について報告している。
本論文は、忠実性はモデルの客観的かつ測定可能な性質ではないことを示す。
論文 参考訳（メタデータ） (2026-03-20T17:48:43Z) - Fact or Facsimile? Evaluating the Factual Robustness of Modern Retrievers [34.31192184496381]
デンスレトリバーとリランカーは、検索強化世代(RAG)パイプラインの中心である。
我々は,これらのコンポーネントがベースとする大規模言語モデル(LLM)をどの程度の事実的能力で継承するか,あるいは失うかを評価する。
全ての埋め込みモデルにおいて、クエリと正しい完了の間のコサイン類似度スコアは、間違ったものよりも著しく高い。
論文 参考訳（メタデータ） (2025-08-28T04:13:51Z)
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。