論文の概要: Identity-Duplication Auditing in National-Scale Neuroimaging Repositories
- arxiv url: http://arxiv.org/abs/2610.09614v2
- Date: Wed, 14 Oct 2026 00:15:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:14.989404
- Title: Identity-Duplication Auditing in National-Scale Neuroimaging Repositories
- Title（参考訳）: 全国規模のニューロイメージングレポジトリにおけるアイデンティティ・重複監査
- Abstract要約: 全国規模の磁気共鳴イメージング(MRI)リポジトリは、さまざまな研究や機関のデータを統合する傾向にある。
研究参加者に割り当てられた対象識別子は、通常、個々のデータセットに固有のものであるため、これらのデータセットが集約されると、同じ人物が異なる識別子の下に現れる可能性がある。
このような重複は、トレーニングデータとテストデータの間に漏れを生じさせ、下流のバイオメディカル研究で明らかなパフォーマンスを増大させる。
我々は、T1強調脳MRIレポジトリにおいて、同一性重複を監査するためのHAPPENについて紹介する。
- 参考スコア（独自算出の注目度）: 4.014485550377246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: National-scale magnetic resonance imaging (MRI) repositories increasingly integrate data from different studies and institutions. However, subject identifiers assigned to study participants are typically specific to individual datasets, so the same person may appear under different identifiers when these datasets are aggregated, a problem we define as identity duplication. Such duplication can create leakage between training and test data and inflate apparent performance in downstream biomedical studies. Existing methods do not provide an end-to-end, image-based workflow to address this problem. In this work, we present HAPPEN, a human-in-the-loop pipeline for auditing identity duplication in T1-weighted brain MRI repositories. It combines SHA-256 fingerprinting for exact-duplicate detection with embeddings learned through supervised contrastive learning to retrieve near-duplicate candidates: pairs of non-identical scans that may originate from the same person. Retrieved pairs are reviewed as candidates in a locally hosted interface rather than automatically classified as duplicates. We deployed the workflow in a national-scale aggregated repository containing 95,129 scans and assessed end-to-end recovery of 54 pairs of subject records identified as duplicates using genome-wide genotype data. Transferability was assessed by locally deploying the same workflow on 22,386 scans at an independent institution without model retraining or image transfer. Deployment in the study repository identified 1,316 exact-duplicate scan groups and 1,275 near-duplicate groups of subject records supported by human review. Of these groups, 56% and 82%, respectively, crossed dataset boundaries. All 54 genetic-reference pairs were recovered. The external team independently completed the full workflow using a locally selected operating threshold and review standard.
- Abstract（参考訳）: 全国規模の磁気共鳴イメージング(MRI)リポジトリは、さまざまな研究や機関のデータを統合する傾向にある。
しかしながら、研究参加者に割り当てられた対象識別子は、通常、個々のデータセットに固有のものであるため、これらのデータセットが集約された場合、同一人物が異なる識別子の下に現れる可能性がある。
このような重複は、トレーニングデータとテストデータの間に漏れを生じさせ、下流のバイオメディカル研究で明らかなパフォーマンスを増大させる。
既存のメソッドでは、この問題に対処するためのエンドツーエンドのイメージベースのワークフローを提供していません。
本稿では,T1強調脳MRIレポジトリにおける同一性重複を検査するためのHAPPENについて紹介する。
SHA-256指紋認証と、教師付きコントラスト学習を通じて学んだ埋め込みを組み合わせて、ほぼ重複した候補を検索する。
検索されたペアは、自動的に複製として分類されるのではなく、ローカルにホストされたインターフェイスの候補としてレビューされる。
95,129個のスキャンを含む全国規模の集約リポジトリにワークフローを配置し,ゲノムワイドジェノタイプデータを用いて54組の被写体記録を復元した。
トランスファービリティは、モデル再トレーニングや画像転送なしに、22,386のスキャンに同じワークフローをローカルに展開することで評価された。
研究レポジトリの展開では, 正確な重複したスキャングループ1,316と, 人間のレビューによって支持された被写体に近い重複したグループ1,275が同定された。
これらのグループのうち、それぞれ56%と82%がデータセット境界を越えた。
54組の遺伝子レファレンスペアが回収された。
外部チームは、ローカルに選択されたオペレーティングしきい値とレビュー標準を使用して、独立したワークフローを完了した。
関連論文リスト
- How much of an LLM-generated clinical corpus is actually new? A production-scale measurement of content redundancy for provenance classification [0.0]
Provenance-based Redundancy Decompositionは、ソースによるアウトプット全体のトークンレベルの分類である。
出力の10.9%はトレーニング可能なユニクコンテンツであり、79.4%は冗長である。
1つのパイプラインチャネルはほとんど冗長性を持っておらず、冗長性のレベルがそれぞれのチャネルがどのように構成されているかに依存することを示している。
論文 参考訳（メタデータ） (2026-06-28T21:17:01Z) - INTACT: Ego-Guided Typed Sparse Evidence Retrieval for Heterogeneous Collaborative Perception [50.64511548643398]
異種知覚のためのエゴ誘導型スパースエビデンス検索フレームワークを提案する。
IntACTは、エゴの車両に、疑わしい物やエビデンスに欠ける地域を表す型付きエビデンスクエリを発行する。
シミュレーションおよび実世界の異種知覚ベンチマークの実験は、INTACTの有効性とデプロイ性を検証する。
論文 参考訳（メタデータ） (2026-06-03T04:34:53Z) - NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research [4.995664191055236]
NeuroAgentは、ニューロイメージングデータのキー前処理と分析ステップを自動化するエージェントフレームワークである。
自然言語クエリによるインタラクティブなダウンストリーム分析をサポートする。
これにより、前処理に必要な手作業の削減と、エンドツーエンドの自動分析パイプラインの実現が可能になる。
論文 参考訳（メタデータ） (2026-05-07T17:13:48Z) - Exploring Robust Multi-Agent Workflows for Environmental Data Management [2.556033550563853]
EnviSmartは、環境研究のためのキャンパス全体のストレージインフラ上にデプロイされた生産データ管理システムである。
振舞い(ガバナンス制約)、ドメイン知識(検索可能なコンテキスト)、スキル(ツールを使用する手順)を永続的でインターロック可能なアーティファクトとして外部化する。
論文 参考訳（メタデータ） (2026-04-02T05:46:40Z) - Investigation of Federated Learning Algorithms for Retinal Optical
Coherence Tomography Image Classification with Statistical Heterogeneity [6.318288071829899]
我々は,OCT画像分類モデルを分散的に学習するためのFedAvgとFedProxの有効性を検討した。
IID と Non-IID 設定で複数のクライアントに公開可能な OCT データセットを分割し,各クライアントのサブセットをローカルにトレーニングした。
論文 参考訳（メタデータ） (2024-02-15T15:58:42Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳（メタデータ） (2023-08-24T01:30:18Z) - Generalizable Metric Network for Cross-domain Person Re-identification [55.71632958027289]
クロスドメイン(ドメインの一般化)シーンは、Re-IDタスクにおいて課題となる。
既存のほとんどのメソッドは、すべてのドメインのドメイン不変またはロバストな機能を学ぶことを目的としています。
本稿では,サンプルペア空間における標本類似性を調べるために,GMN(Generalizable Metric Network)を提案する。
論文 参考訳（メタデータ） (2023-06-21T03:05:25Z) - Leveraging Ensembles and Self-Supervised Learning for Fully-Unsupervised
Person Re-Identification and Text Authorship Attribution [77.85461690214551]
完全ラベル付きデータからの学習は、Person Re-IdentificationやText Authorship Attributionなどのマルチメディアフォレスト問題において困難である。
近年の自己教師型学習法は,基礎となるクラスに意味的差異が有る場合に,完全ラベル付きデータを扱う際に有効であることが示されている。
本研究では,異なるクラスからのサンプルが顕著に多様性を持っていない場合でも,ラベルのないデータから学習できるようにすることにより,個人再認識とテキストオーサシップの属性に対処する戦略を提案する。
論文 参考訳（メタデータ） (2022-02-07T13:08:11Z) - Holistic Guidance for Occluded Person Re-Identification [7.662745552551165]
実世界のビデオ監視アプリケーションでは、人物の再識別(ReID)は、閉塞や検出エラーの影響に悩まされる。
個人識別ラベルにのみ依存するHG(Holistic Guidance)手法を提案する。
提案手法は, 包括的(非包括的)標本と, 包括的(非包括的)標本の包括的(包括的)な距離(DCD)分布を一致させることにより, この問題に対処する。
これに加えて、共同生成-識別的バックボーンは、デノナイジングオートエンコーダで訓練され、システムが制御される。
論文 参考訳（メタデータ） (2021-04-13T21:50:29Z) - Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive
Person Re-Identification [64.37745443119942]
本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。
3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
論文 参考訳（メタデータ） (2020-07-21T14:31:27Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。