論文の概要: Radiomics-Based Thyroid Nodule Classification with Label-Conditional Conformal Prediction
- arxiv url: http://arxiv.org/abs/2610.13387v1
- Date: Fri, 09 Oct 2026 11:01:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.544188
- Title: Radiomics-Based Thyroid Nodule Classification with Label-Conditional Conformal Prediction
- Title（参考訳）: Label-Conditional Conformal Prediction を用いたラジオミクスによる甲状腺結節分類
- Abstract要約: 我々は、PyRadiomicsとGAM(Generalized Additive Model)による定量的特徴抽出を組み合わせた放射能に基づくフレームワークを提案する。
不確実性推定による点予測を補完するため,ラベル条件付きクロスコンフォーマル予測を適用した。
TN5000は甲状腺結節の超音波データセットである。
- 参考スコア（独自算出の注目度）: 0.45880283710344066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thyroid nodule malignancy assessment relies on ultrasound imaging, yet current risk stratification systems suffer from substantial interobserver variability, contributing to a high rate of unnecessary biopsies. We propose a radiomics-based framework combining quantitative feature extraction via PyRadiomics with a Generalized Additive Model (GAM) classifier, selected among six candidates for its favorable trade-off between discriminative performance and interpretability. To complement point predictions with uncertainty estimates, Cross-Conformal Prediction with label-conditional guarantees is applied, flagging ambiguous cases for clinical review rather than forcing a binary decision. Experiments are conducted on TN5000, a publicly available ultrasound dataset of thyroid nodules. After Spearman correlation filtering, 36 features are retained and the GAM achieves an AUC of $0.89$, a sensitivity of $0.83$, and a specificity of $0.82$ on the validation set. At a significance level $ε=0.09$, selected to ensure empirical coverage guarantees on both classes, 63\% of nodules on the test set receive a certain (i.e., single-label) prediction, with conditional precision of $0.94$ for certain malignant and conditional Negative Predictive Value (NPV) of $0.73$ for certain benign cases, while the remaining 37\% are referred to the clinician.
- Abstract（参考訳）: 甲状腺結節悪性度の評価は超音波画像に頼っているが、現在のリスク層化システムは、かなりのサーバ間変動に悩まされており、不必要な生検の頻度が高い。
本稿では,PyRadiomicsによる定量的特徴抽出と一般付加モデル(GAM)分類を併用したラジオミクスベースのフレームワークを提案する。
不確実性推定でポイント予測を補完するため、ラベル条件付きクロスコンフォーマル予測を適用し、二項決定を強制するのではなく、臨床検査のための曖昧なケースをフラグ付けする。
TN5000は甲状腺結節の超音波データセットである。
スピアマン相関フィルタの後、36の機能は保持され、GAMはAUCが0.89ドル、感度が0.83ドル、特異性が0.82ドルに達する。
両方のクラスにおける経験的カバレッジを保証するために選択された$ε=0.09$において、テストセット上のノジュールの63.%は、特定の悪性および条件的負の予測値(NPV)の条件精度が0.94$であり、残りの37.%は臨床医を参照する。
関連論文リスト
- Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。
NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。
セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
論文 参考訳（メタデータ） (2026-08-12T21:02:59Z) - Trustworthy Medical Segmentation: Uncertainty-Aware U-Net Evaluation Under Clinical Image Degradation [0.0]
臨床劣化下での不確実性認識セグメンテーションを評価するための枠組みを提案する。
セグメンテーションの精度、校正、故障検出、選択的予測カバレッジを測定する。
これらの結果は, 医師・医師・医科医の安全層としての不確実性を考慮した推論を論じるものである。
論文 参考訳（メタデータ） (2026-07-22T06:35:33Z) - Calibrated Selective Prediction Using Deep Ensembles for ROI-Based Thyroid Nodule Ultrasound Classification Under Dataset Shift: A Retrospective Evaluation [0.0]
甲状腺結節分類と選択的画像ベーストリアージのための決定論的5員深層アンサンブルを開発した。
折りたたみ式のTN5000予測では、AUC-ROC 0.9395、AP 0.9715、ECE 0.0088、ブライアスコア 0.0813 を達成した。
この枠組みは強い内部識別と校正性を示したが、外部しきい値の輸送性は限られていた。
論文 参考訳（メタデータ） (2026-07-13T18:50:57Z) - Prostate-VarBench: A Benchmark with Interpretable TabNet Framework for Prostate Cancer Variant Classification [14.190646211771073]
VUS(Variants of Uncertain Significance)は前立腺癌ゲノムの臨床的有用性を制限する。
Prostate-VarBenchは、prostate固有のベンチマークを作成するための、キュレートされたパイプラインである。
論文 参考訳（メタデータ） (2025-11-12T06:13:50Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Evaluation of radiomic feature harmonization techniques for benign and malignant pulmonary nodules [0.0]
肺結節(PNs)の放射線学的特徴は肺癌の診断に有効であるが, 医学的画像取得の多様性は臨床応用の障害となる。
放射線学的特徴の獲得依存性を補正する際の良性PNと悪性PNの相違について検討した。
論文 参考訳（メタデータ） (2024-12-21T20:16:37Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。
また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文 参考訳（メタデータ） (2022-07-02T11:50:02Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z)
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。