論文の概要: An Aggregate Method for Thorax Diseases Classification

• arxiv url: http://arxiv.org/abs/2008.03008v5
• Date: Thu, 24 Dec 2020 12:35:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 01:11:43.964179
• Title: An Aggregate Method for Thorax Diseases Classification
• Title（参考訳）: 胸椎疾患分類のための集計法
• Authors: Bayu A. Nugroho
• Abstract要約: 胸部疾患分類問題に対する深部ネットワークトレーニングのための重み計算アルゴリズムと,最先端の深部ネットワークアーキテクチャを用いたトレーニング最適化を組み合わせたアプローチを提案する。 ケストX線画像データセットの実験結果から,この新しい重み付け方式により分類性能が向上することが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A common problem found in real-word medical image classification is the inherent imbalance of the positive and negative patterns in the dataset where positive patterns are usually rare. Moreover, in the classification of multiple classes with neural network, a training pattern is treated as a positive pattern in one output node and negative in all the remaining output nodes. In this paper, the weights of a training pattern in the loss function are designed based not only on the number of the training patterns in the class but also on the different nodes where one of them treats this training pattern as positive and the others treat it as negative. We propose a combined approach of weights calculation algorithm for deep network training and the training optimization from the state-of-the-art deep network architecture for thorax diseases classification problem. Experimental results on the Chest X-Ray image dataset demonstrate that this new weighting scheme improves classification performances, also the training optimization from the EfficientNet improves the performance furthermore. We compare the aggregate method with several performances from the previous study of thorax diseases classifications to provide the fair comparisons against the proposed method.
• Abstract（参考訳）: リアルワードの医用画像分類で見られる一般的な問題は、正のパターンが通常まれなデータセットにおける正のパターンと負のパターンの固有不均衡である。 さらに、ニューラルネットワークを用いた複数クラスの分類において、トレーニングパターンを1つの出力ノードで正のパターンとして扱い、残りの出力ノードで負のパターンとして扱う。 本稿では,損失関数におけるトレーニングパターンの重みは,クラス内のトレーニングパターンの数だけでなく,そのトレーニングパターンを正として扱うノードの数にも基づいて設計し,他のノードでは負の扱いをする。 胸部疾患分類問題に対する深部ネットワークトレーニングのための重み計算アルゴリズムと,最先端の深部ネットワークアーキテクチャを用いたトレーニング最適化を組み合わせたアプローチを提案する。 Chest X-Ray画像データセットの実験結果から,この新しい重み付け方式により分類性能が向上し,EfficientNetによるトレーニング最適化により性能が向上することが示された。 胸椎疾患分類の先行研究から得られたいくつかの成績と比較し,提案法との公平な比較を行った。

関連論文リスト

• A Contrastive Symmetric Forward-Forward Algorithm (SFFA) for Continual Learning Tasks [7.345136916791223]
  フォワードフォワードアルゴリズム(FFA)は、ニューラルネットワーク学習における従来のバックプロパゲーションアルゴリズムの代替として、最近勢いを増している。 この研究は、各層を正および負のニューロンに分割するオリジナルのFFAの新たな修正であるSymmetric Forward-Forward Algorithm (SFFA)を提案する。
  論文  参考訳（メタデータ） (2024-09-11T16:21:44Z)
• Rethinking Classifier Re-Training in Long-Tailed Recognition: A Simple Logits Retargeting Approach [102.0769560460338]
  我々は,クラスごとのサンプル数に関する事前知識を必要とせず,シンプルなロジットアプローチ(LORT)を開発した。 提案手法は,CIFAR100-LT, ImageNet-LT, iNaturalist 2018など,様々な不均衡データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-01T03:27:08Z)
• FaFCNN: A General Disease Classification Framework Based on Feature Fusion Neural Networks [4.097623533226476]
  本稿では,機能認識型統合相関ニューラルネットワーク (FaFCNN) を提案する。 実験結果から,事前学習による強化特徴を用いた訓練により,無作為森林法よりも高い性能向上が得られた。
  論文  参考訳（メタデータ） (2023-07-24T04:23:08Z)
• Deep Negative Correlation Classification [82.45045814842595]
  既存のディープアンサンブル手法は、多くの異なるモデルをナビゲートし、予測を集約する。 深部負相関分類(DNCC)を提案する。 DNCCは、個々の推定器が正確かつ負の相関を持つ深い分類アンサンブルを生成する。
  論文  参考訳（メタデータ） (2022-12-14T07:35:20Z)
• Leveraging Angular Information Between Feature and Classifier for Long-tailed Learning: A Prediction Reformulation Approach [90.77858044524544]
  分類器の重みを再バランスすることなく、包含角度で認識確率を再構成する。 予測形式再構成の性能向上に着想を得て, この角度予測の異なる特性について検討する。 CIFAR10/100-LT と ImageNet-LT を事前学習することなく、ピアメソッド間で最高の性能を得ることができる。
  論文  参考訳（メタデータ） (2022-12-03T07:52:48Z)
• A novel approach for wafer defect pattern classification based on topological data analysis [0.0]
  半導体製造において、ウェハマップ欠陥パターンは設備維持と収量管理に重要な情報を提供する。 本稿では,欠陥パターンの形状を有限次元ベクトルとして表現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-19T11:54:13Z)
• Application of Transfer Learning and Ensemble Learning in Image-level Classification for Breast Histopathology [9.037868656840736]
  CAD(Computer-Aided Diagnosis)では、従来の分類モデルでは、主に1つのネットワークを使って特徴を抽出する。 本稿では良性病変と悪性病変のバイナリ分類のための画像レベルラベルに基づく深層アンサンブルモデルを提案する。 結果: アンサンブルネットワークモデルにおいて、画像レベルのバイナリ分類は9,8.90%の精度を達成する。
  論文  参考訳（メタデータ） (2022-04-18T13:31:53Z)
• Multi-loss ensemble deep learning for chest X-ray classification [0.8594140167290096]
  クラス不均衡は、異常サンプルの数が正常サンプルの数より少ない医療画像分類タスクでよく見られる。 本稿では,DLモデルを訓練し,その性能を多クラス分類設定で解析する新しい損失関数を提案する。
  論文  参考訳（メタデータ） (2021-09-29T14:14:04Z)
• Understanding the Generalization of Adam in Learning Neural Networks with Proper Regularization [118.50301177912381]
  我々は,重力減衰グローバリゼーションにおいても,目的の異なる解に確実に異なる誤差で収束できることを示す。 凸と重み減衰正則化を用いると、Adamを含む任意の最適化アルゴリズムは同じ解に収束することを示す。
  論文  参考訳（メタデータ） (2021-08-25T17:58:21Z)
• Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
  本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。 畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。 この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-03T19:24:25Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)

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。