Risk-Sensitive Conformal Prediction for Catheter Placement Detection in Chest X-rays

要約

この論文では、胸部X線でのカテーテルとラインの位置検出に対する新しいアプローチを提示し、マルチタスク学習とリスクに敏感なコンフォーマル予測を組み合わせて、重要な臨床要件に対処します。
私たちのモデルは、同時に分類、セグメンテーション、ランドマークの検出を実行し、これらのタスク間の相乗的な関係を活用して、全体的なパフォーマンスを改善します。
さらに、臨床的に重要な発見に対してより高い信頼性を備えた統計的に保証された予測セットを提供する、リスクに敏感なコンフォーマル予測を通じて臨床的信頼性を高めます。
実験結果は、予測セットの顕著な精度を維持しながら、90.68 \％の全体的な経験的カバレッジと99.29 \％のカバレッジで優れたパフォーマンスを示します。
最も重要なことは、当社のリスクに敏感なアプローチは、ゼロの高リスクの誤処理を達成し（システムが問題のあるチューブが自信を持って正常であると危険なほど宣言する場合）、システムを臨床展開に特に適していることです。
この作業は、正確な予測と確実に定量化された不確実性の両方を提供します。これは、人生の批判的な医療アプリケーションに不可欠な機能です。

要約(オリジナル)

This paper presents a novel approach to catheter and line position detection in chest X-rays, combining multi-task learning with risk-sensitive conformal prediction to address critical clinical requirements. Our model simultaneously performs classification, segmentation, and landmark detection, leveraging the synergistic relationship between these tasks to improve overall performance. We further enhance clinical reliability through risk-sensitive conformal prediction, which provides statistically guaranteed prediction sets with higher reliability for clinically critical findings. Experimental results demonstrate excellent performance with 90.68\% overall empirical coverage and 99.29\% coverage for critical conditions, while maintaining remarkable precision in prediction sets. Most importantly, our risk-sensitive approach achieves zero high-risk mispredictions (cases where the system dangerously declares problematic tubes as confidently normal), making the system particularly suitable for clinical deployment. This work offers both accurate predictions and reliably quantified uncertainty — essential features for life-critical medical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google