核心概念
医用画像セグメンテーションにおけるショートカット学習の重要性と対策を示す。
統計資料
表1: 診断注釈付きテストセットとその注釈が除去されたクリーンなテストセットでモデルパフォーマンスの比較。平均Dice係数が報告されている。
表2: 動画中のアノテーションプロセス中におけるモデルパフォーマンス変動。平均Dice係数が示されている。
引述
"Shortcut learning is a phenomenon where machine learning models prioritize learning simple, potentially misleading cues from data that do not generalize well beyond the training set."
"Addressing these shortcuts is crucial to ensure the creation of precise, robust, and dependable machine learning models that are trustworthy for clinical use."
"Shortcut learning is a risk beyond classification, with potential to affect also pixel-level tasks such as segmentation, detection, super-resolution, denoising, and artifact removal."