論文の概要: Evaluation of deep convolutional neural networks in classifying human embryo images based on their morphological quality

• arxiv url: http://arxiv.org/abs/2005.10912v1
• Date: Thu, 21 May 2020 21:21:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 23:21:14.220922
• Title: Evaluation of deep convolutional neural networks in classifying human embryo images based on their morphological quality
• Title（参考訳）: 形態的品質に基づくヒト胚画像の分類における深部畳み込みニューラルネットワークの評価
• Authors: Prudhvi Thirumalaraju, Manoj Kumar Kanakasabapathy, Charles L Bormann, Raghav Gupta, Rohan Pooniwala, Hemanth Kandula, Irene Souter, Irene Dimitriadis, Hadi Shafiee
• Abstract要約: 畳み込みニューラルネットワーク(CNN)は強力で有望なアルゴリズムである。 Xceptionは、その形態的品質に基づいて、胚間の差別化において最善を尽くした。
• 参考スコア（独自算出の注目度）: 1.6753684438635652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A critical factor that influences the success of an in-vitro fertilization (IVF) procedure is the quality of the transferred embryo. Embryo morphology assessments, conventionally performed through manual microscopic analysis suffer from disparities in practice, selection criteria, and subjectivity due to the experience of the embryologist. Convolutional neural networks (CNNs) are powerful, promising algorithms with significant potential for accurate classifications across many object categories. Network architectures and hyper-parameters affect the efficiency of CNNs for any given task. Here, we evaluate multi-layered CNNs developed from scratch and popular deep-learning architectures such as Inception v3, ResNET, Inception-ResNET-v2, and Xception in differentiating between embryos based on their morphological quality at 113 hours post insemination (hpi). Xception performed the best in differentiating between the embryos based on their morphological quality.
• Abstract（参考訳）: 体外受精(IVF)手順の成功に影響を及ぼす重要な要因は、移植された胚の品質である。 胚形態評価は, 従来は手作業による微視的解析によって行われてきたが, 胚学経験による実践の相違, 選択基準, 主観性に苦しむ。 畳み込みニューラルネットワーク(CNN)は強力で有望なアルゴリズムであり、多くの対象カテゴリで正確な分類が可能となる。 ネットワークアーキテクチャとハイパーパラメータは、任意のタスクに対するcnnの効率に影響する。 Inception v3, ResNET, Inception-ResNET-v2, Xceptionといった,スクラッチから発達した多層CNNを,その形態的品質に基づいて,113時間後(hpi)で評価した。 Xceptionは、その形態的品質に基づいて、胚間の差別化において最善を尽くした。

関連論文リスト

• Unveiling the Unseen: Identifiable Clusters in Trained Depthwise Convolutional Kernels [56.69755544814834]
  深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。 本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
  論文  参考訳（メタデータ） (2024-01-25T19:05:53Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Magnification Invariant Medical Image Analysis: A Comparison of Convolutional Networks, Vision Transformers, and Token Mixers [2.3859625728972484]
  畳み込みニューラルネットワーク(CNN)は医用画像解析に広く用いられている。 テスト画像の倍率がトレーニング画像と異なる場合、その性能は低下する。 本研究の目的は,様々なディープラーニングアーキテクチャの堅牢性を評価することである。
  論文  参考訳（メタデータ） (2023-02-22T16:44:41Z)
• Mental arithmetic task classification with convolutional neural network based on spectral-temporal features from EEG [0.47248250311484113]
  ディープニューラルネットワーク(DNN)は、コンピュータビジョンアプリケーションにおいて大きな優位性を示している。 ここでは、主に2つの畳み込みニューラルネットワーク層を使用し、比較的少ないパラメータと高速で脳波からスペクトル時間的特徴を学習する浅層ニューラルネットワークを提案する。 実験の結果、浅いCNNモデルは他の全てのモデルより優れており、最高分類精度は90.68%に達した。
  論文  参考訳（メタデータ） (2022-09-26T02:15:22Z)
• End-to-End Blind Quality Assessment for Laparoscopic Videos using Neural Networks [9.481148895837812]
  本稿では、歪み分類と品質予測のためのニューラルネットワークに基づくアプローチを提案する。 アーキテクチャ全体(ResNetモデルとFCNNモデル)をトレーニングするために,トランスファーラーニングとエンドツーエンドラーニングアプローチについて検討した。 新しい腹腔鏡画像品質データベースを用いて実験を行い,提案手法の有効性を示した。
  論文  参考訳（メタデータ） (2022-02-09T15:29:02Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Learning Interpretable Microscopic Features of Tumor by Multi-task Adversarial CNNs To Improve Generalization [1.7371375427784381]
  既存のCNNモデルはブラックボックスとして機能し、医師が重要な診断機能がモデルによって使用されることを保証しない。 ここでは,マルチタスクと敵の損失を両立させる不確実性に基づく重み付けの組み合わせをエンド・ツー・エンドで学習することにより,病理的特徴に焦点を合わせることを推奨する。 AUC 0.89 (0.01) がベースラインであるAUC 0.86 (0.005) に対して最も高い値を示した。
  論文  参考訳（メタデータ） (2020-08-04T12:10:35Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。