PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.12075v3eess.IV

데이터셋 이동 하에서 갑상선 결절 초음파 분류를 위한 딥 앙상블 기반 보정된 선택적 예측

Calibrated selective prediction using deep ensembles for thyroid nodule ultrasound classification under dataset shift

배경: 딥러닝은 초음파에서 갑상선 결절을 분류할 수 있으나, 판별 성능만으로는 임상적 신뢰성이 확립되지 않는다. 우리는 불확실성 인지 선택적 예측과 보수적인 영상 기반 선별을 갖춘 보정된 딥 앙상블 프레임워크를 개발하였다. 방법: 3겹 내부 아키텍처 선택을 포함한 중첩 5겹 교차 검증으로 squeeze-and-excitation 블록을 갖춘 ConvNeXt-Tiny를 선택하였고, 이를 이용해 결정론적 5개 구성원 앙상블을 구축하였다. 각 폴드 내에서 학습, 조기 종료, 보정, 임계값 부분집합을 분리하였으며, 외부 테스트 데이터는 격리된 상태로 유지하였다. 상호 정보량(MI), 예측 분산, 최대 소프트맥스 확률(MSP) 불확실성을 위험-커버리지 및 선별 분석과, 가정한 악성 유병률 5%-70%에 걸친 예측값으로 비교하였다. 고정된 TN5000 앙상블을 재보정 없이 TN3K에 적용하였다. 결과: TN5000에서 풀링된 out-of-fold AUC-ROC는 0.9377, 평균 정밀도는 0.9708, 기대 보정 오차는 0.0138, Brier 점수는 0.0827이었다. MI 기반 주 정책에서 영상의 8.86%가 No-FNA 제안을, 60.00%가 FNA 권고를, 31.14%가 영상의학과 의사 검토를 받았으며, 악성 영상 3574건 중 14건(0.39%)이 No-FNA, 708건(19.81%)이 검토를 받았다. 예측 분산과 MSP가 MI보다 오류를 더 잘 순위화하였고(AURC, AUGRC), 모든 선별 결과를 최적화한 척도는 없었다. 유병률 5%-70% 전반에서 NPV는 99.95%-97.93%, PPV는 29.28%-94.75%였다. TN3K에서 AUC-ROC는 0.7870, 평균 정밀도는 0.7254, 기대 보정 오차는 0.1899, 영상의학과 의사 검토율은 83.7%였다. 결론: 앙상블은 내부적으로 강한 판별 및 보정 성능을 보였으나 TN3K에서는 성능이 크게 저하되어, 데이터셋 이동 하에서 이식성이 제한적임을 나타냈다. 임상 사용 전에 다기관 검증, 기관별 재보정, 임계값 검증, 전향적 평가가 필요하다.

arXiv:2607.02569v1cs.CV

데이터셋 시프트 하에서 위탁 가능 당뇨망막병증 선별검사를 위한 RETFound의 불확실성 인식 마지막 층 적응

Uncertainty-Aware Last-Layer Adaptation of RETFound for Referable Diabetic Retinopathy Screening Under Dataset Shift

이 논문은 동결된 특징 인코더로 사용된 자기지도 비전-트랜스포머 망막 파운데이션 모델 RETFound와 공개 데이터셋인 APTOS 2019 및 DDR 당뇨망막병증 안저 이미지 데이터셋을 활용하여, 위탁 가능 당뇨망막병증 선별검사에 대한 불확실성 인식 마지막 층 적응의 안전성 중심 경험적 평가를 제시한다. 우리는 캐시된 특징 소프트맥스 헤드, 사후 온도 스케일링, 변분 베이지안 마지막 층 헤드, 대각 라플라스 마지막 층 근사, 그리고 SNGP 방식의 캐시된 특징 헤드를 비교한다. APTOS에서 불확실성 인식 동작점은 민감도와 선택적 의뢰 행동을 개선하였다. 가장 강력한 APTOS 선택적 의뢰 결과는 약 20%의 사례를 보류하면서 수락된 사례의 위음성을 0으로 줄이는 동시에 높은 수락 사례 특이도를 유지하였다. 그러나 임계값 조정 역시 높은 위양성 비용을 감수하면서 위음성을 줄였기 때문에, 위음성 감소만으로는 베이지안 모델링 고유의 특성이 아니었다. DDR에서는 기본 베이지안 헤드가 APTOS 방향을 정성적으로 재현하였지만 트레이드오프가 더 약했으며, APTOS로 학습된 SNGP 체크포인트는 전이 성능이 낮아 유용한 외부 선택적 의뢰 행동을 제공하지 못했다. 이러한 결과는 집합적 정확도를 넘어선 안전성 중심 평가의 가치를 부각시킨다: 불확실성 인식 마지막 층 헤드는 내부 안전성 지향 동작점을 개선할 수 있지만, 신뢰할 수 있는 망막 선별검사 주장을 위해서는 시프트 하에서의 명시적 안전성-커버리지 평가와 두 번째 데이터셋 검증이 요구된다.