論文の概要: LENS-GRF: Permutation-Invariant Lesion Evidence Network with Gated Residual Fusion for Acne Severity Grading and Multi-Rater Clinical Oracle Analysis
- arxiv url: http://arxiv.org/abs/2610.00294v1
- Date: Fri, 25 Sep 2026 16:52:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.59607
- Title: LENS-GRF: Permutation-Invariant Lesion Evidence Network with Gated Residual Fusion for Acne Severity Grading and Multi-Rater Clinical Oracle Analysis
- Title（参考訳）: LENS-GRF:Acne Severity Grading とMulti-Rater Clinical Oracle 解析のためのGated Residual Fusion を用いた置換不変病変検出ネットワーク
- Abstract要約: クレーンの重症度自動評価には、顔全体の文脈ときめ細かい病変の証拠が必要である。
LENS-GRFは,4クラスアシネ重症度評価のための多段階フレームワークである。
YOLOv11sによる完全自動LENS-GRFは80.82%の精度を達成した。
- 参考スコア（独自算出の注目度）: 0.30693357740321775
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated acne severity grading requires both whole-face context and fine-grained lesion evidence. We propose LENS-GRF (Lesion Evidence Network with Set-Transformer and Gated Residual Fusion), an interpretable multi-stage framework for four-class acne severity grading. The method combines Adaptive Facial Skin Segmentation and a global Vision Transformer prior with a permutation-invariant Lesion Set Transformer that encodes localized lesion patches and spatial geometry. Gated Residual Fusion adaptively controls the local residual contribution and reduces to the global prediction when the gate is zero. On ACNE04, fully automated LENS-GRF with YOLOv11s achieved 80.82% accuracy; with ground-truth lesion annotations, it achieved 95.89% +/- 0.59% accuracy and a Quadratic Weighted Kappa of 0.9753. A data-integrity audit identified 15 cross-split duplicate image pairs, including five with conflicting severity labels. In locked zero-shot evaluation on the full PLSBRACNE01 cohort (200 subjects, 600 views), automated LENS-GRF achieved 35.00% accuracy versus 42.50% for the global baseline. On the 148-subject common cohort used for three-dermatologist oracle analysis, ground-truth lesion inputs increased the best oracle accuracy to 47.97%, while the highest oracle QWK was 0.5799. Pairwise oracle agreement ranged from 49.32% to 66.22%, highlighting detector domain shift, annotation variability, and cross-criterion mismatch.
- Abstract（参考訳）: クレーンの重症度自動評価には、顔全体の文脈ときめ細かい病変の証拠が必要である。
LENS-GRF(Lesion Evidence Network with Set-Transformer and Gated Residual Fusion)を提案する。
この方法は、適応的な顔面皮膚切片とグローバルビジョン変換器と、局所的な病変のパッチと空間幾何学を符号化する置換不変の病変セット変換器とを組み合わせる。
Gated Residual Fusion は局所的残差寄与を適応的に制御し、ゲートがゼロのときの大域的予測に還元する。
ACNE04では、完全自動化されたLENS-GRFとYOLOv11sは80.82%の精度を達成し、接地トルース病変アノテーションでは95.89%+/-0.59%の精度で、四重み付きカッパは0.9753である。
データ統合監査では、重度ラベルに矛盾する5つを含む15の重複画像対が特定された。
PLSBRACNE01コホート(200人、600ビュー)のロックされたゼロショット評価では、LENS-GRFは世界ベースラインの42.50%に対して35.00%の精度を達成した。
3つの皮膚科のオラクル分析に使用される148サブジェクトのコホートでは、接地トラスインプットが最良のオラクル精度を47.97%まで上げ、最も高いオラクルQWKは0.5799であった。
ペアワイドのオラクル契約は49.32%から66.22%まで変化し、検出器のドメインシフト、アノテーションの可変性、クロスクレーターのミスマッチが強調された。
関連論文リスト
- Adaptive Conformal Redistribution for Inter-class Transitional Uncertainty in Medical Image Classification [9.578682349231789]
アダプティブコンフォメーション(Adaptive conformal redistribution, AdaConRed)は、曖昧な予測セットを洗練されたクラス割り当てに変換する、ラベルのないポストコンフォーマル決定ルールである。
AdaConRedはLAC、APS、RAPSを同じバックボーンと再配布規則で上回る。
コンフォーマルな予測は、移行性疾患のカテゴリが存在する行動可能な意思決定支援に向けて、不確実性を超えて拡張することができる。
論文 参考訳（メタデータ） (2026-09-10T06:21:30Z) - EMFE: A lightweight, explainable machine learning framework for malaria cell classification [0.7437884690206271]
染色血液スミア顕微鏡によるマラリアの診断は、深層畳み込み神経ネットワークに支配されている。
単発赤血細胞像を寄生・無感染と分類するための5機能フレームワークEMFEを提案する。
論文 参考訳（メタデータ） (2026-08-25T16:38:04Z) - A Multidimensional Data-Driven Hybrid Transformer Framework for Non-invasive Continuous Blood Pressure Prediction [28.58502100288247]
本稿では,ECG/III特徴系列から拡張型および収縮型BPを推定するハイブリッドトランスフォーマーフレームワークを提案する。
このフレームワークは、生の波形ではなく、生理的記述子の10段階のシーケンスと、2つの人口統計学的コをモデル化する。
論文 参考訳（メタデータ） (2026-08-24T14:02:10Z) - Searching for Robust Augmentations to Improve Out-of-Domain Generalization in Dermoscopic Skin Cancer Classification [35.18016233072556]
悪性二分数非悪性一般化のロバスト性を改善するためのデータ拡張法について検討した。
データ拡張は、マルチソースISICアーカイブコレクションで検索された。
論文 参考訳（メタデータ） (2026-07-29T11:06:06Z) - Full-Self Diagnostics (FSD): Physics-Grounded Visual Biomarker Inference from Smartphone Video via Inverse Problems and Operator Learning [0.0]
Full-Self Diagnostics (FSD) は、制限のない9秒の顔ビデオから潜伏する生理的状態を回復するための統一的な数学的枠組みである。
59名の被験者を対象に,実世界の38812個のペアスキャンの実証検証を行った。
その結果, 一般消費者の顔画像は, 完全に制約のない条件下での, 臨床的に関係のない非侵襲的推論のための十分な構造化情報を符号化していることがわかった。
論文 参考訳（メタデータ） (2026-06-11T20:26:47Z) - Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。
すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。
ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
論文 参考訳（メタデータ） (2026-06-11T09:55:57Z) - A Multi-Domain Red Teaming Framework for Safety, Robustness, and Fairness Evaluation of Medical Large Language Models [34.38896321208398]
大規模言語モデル(LLM)は、ますます医療全体に展開されているが、既存のベンチマークでは、敵対的あるいは倫理的に複雑な条件下でのモデルの振る舞いを捉えていない。
我々は690の臨床的根拠のあるシナリオにまたがる11の現代LPMを評価する多ドメインレッド・チームリング・フレームワークを開発した。
その結果, 平均スコアは0.791～0.984。
論文 参考訳（メタデータ） (2026-04-15T14:57:55Z) - PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。
我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。
LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
論文 参考訳（メタデータ） (2026-03-02T00:50:39Z) - Margin-Consistent Deep Subtyping of Invasive Lung Adenocarcinoma via Perturbation Fidelity in Whole-Slide Image Analysis [15.00702842825464]
浸潤性肺腺癌亜型に対する全スライディング画像分類は, 実際の画像摂動に対して脆弱である。
本研究では,143枚の全スライディング画像から203,226枚のパッチに対して評価したマージン整合性フレームワークを提案する。
提案手法は,Kendall相関によるトレーニング中の0.88,バリデーション時の0.64の頑健な特徴-論理空間アライメントを実現する。
論文 参考訳（メタデータ） (2026-02-27T20:47:15Z) - A Robust Pipeline for Classification and Detection of Bleeding Frames in Wireless Capsule Endoscopy using Swin Transformer and RT-DETR [1.7499351967216343]
Swin Transformerは、出血フレームの初期分類と、出血のさらなる検出のためのRT-DETRを組み合わせたソリューションである。
検証セットでは、前処理なしで98.5%の分類精度を91.7%と比較する。
テストセットでは、それぞれ87.0%と89.0%の分類精度とF1スコアを達成する。
論文 参考訳（メタデータ） (2024-06-12T09:58:42Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z)
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。