Fugu-MT 論文翻訳(概要): Investigation of REFINED CNN ensemble learning for anti-cancer drug sensitivity prediction

論文の概要: Investigation of REFINED CNN ensemble learning for anti-cancer drug sensitivity prediction

arxiv url: http://arxiv.org/abs/2009.04076v2
Date: Sat, 24 Apr 2021 04:15:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 08:46:42.205170
Title: Investigation of REFINED CNN ensemble learning for anti-cancer drug sensitivity prediction
Title（参考訳）: 抗がん剤感受性予測のためのREFINED CNNアンサンブル学習の検討
Authors: Omid Bazgir, Souparno Ghosh, Ranadip Pal
Abstract要約: 個々の細胞株に対するディープラーニングモデルを用いた抗がん剤感受性予測は、パーソナライズされた医療において重要な課題である。 ReFINED CNN(Convolutional Neural Network)ベースのモデルでは、薬物感受性の予測に有望な結果が示されている。我々は,このようなマッピングから構築されたアンサンブルに基づいて,最高の1つのREFINED CNNモデル予測を改善することができる予測について検討する。
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: Anti-cancer drug sensitivity prediction using deep learning models for individual cell line is a significant challenge in personalized medicine. REFINED (REpresentation of Features as Images with NEighborhood Dependencies) CNN (Convolutional Neural Network) based models have shown promising results in drug sensitivity prediction. The primary idea behind REFINED CNN is representing high dimensional vectors as compact images with spatial correlations that can benefit from convolutional neural network architectures. However, the mapping from a vector to a compact 2D image is not unique due to variations in considered distance measures and neighborhoods. In this article, we consider predictions based on ensembles built from such mappings that can improve upon the best single REFINED CNN model prediction. Results illustrated using NCI60 and NCIALMANAC databases shows that the ensemble approaches can provide significant performance improvement as compared to individual models. We further illustrate that a single mapping created from the amalgamation of the different mappings can provide performance similar to stacking ensemble but with significantly lower computational complexity.
Abstract（参考訳）: 個々の細胞株に対するディープラーニングモデルを用いた抗がん剤感受性予測は、パーソナライズ医療において重要な課題である。 ReFINED (Representation of Features as Images with Neighborhood Dependencies) CNN (Convolutional Neural Network) を用いたモデルでは薬剤感受性の予測に有望な結果が示されている。 REFINED CNNの基本的な考え方は、畳み込みニューラルネットワークアーキテクチャの恩恵を受けることができる空間相関を持つコンパクトなイメージとして、高次元ベクトルを表現することである。しかし、ベクトルからコンパクトな2次元画像へのマッピングは、考慮された距離測度や近傍のばらつきのためユニークではない。本稿では,このようなマッピングから構築したアンサンブルに基づく予測について検討し,最高の単一REFINED CNNモデル予測を改良する。 NCI60 と NCIALMANAC データベースを用いた結果から,アンサンブルアプローチは個々のモデルと比較して大幅な性能向上をもたらすことが示された。さらに、異なるマッピングのアマルガメーションから生成された単一のマッピングは、スタックングアンサンブルと同様のパフォーマンスを提供するが、計算の複雑さは著しく低い。

関連論文リスト

Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation [1.2873975765521795]
この研究は、肝臓を分断する4つのSwin UNETRとnnU-netモデルのボトルネック特徴にマハラノビス距離(MD)ポストホックを適用した。モデルが失敗した画像は、高性能で最小の計算負荷で検出された。
論文参考訳（メタデータ） (2024-08-05T18:24:48Z)
Benchmarking Out-of-Distribution Generalization Capabilities of DNN-based Encoding Models for the Ventral Visual Cortex [26.91313901714098]
textitMacaqueITBenchは、マカク下側頭葉(IT)皮質からの神経集団反応の大規模なデータセットである。画像からOF-Distribution(OOD)トレインとテストスプリットに分割し,神経活動を予測するモデルに対する分布シフトの影響を検討した。
論文参考訳（メタデータ） (2024-06-16T20:33:57Z)
Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文参考訳（メタデータ） (2023-08-28T12:55:13Z)
Learning Partial Correlation based Deep Visual Representation for Image Classification [61.0532370259644]
CNNの新たな構造層としてスパース逆共分散推定(SICE)を定式化する。本研究は,部分的相関に基づく深部視覚表現を求め,小さなサンプル問題を緩和する。実験により,本モデルの有効性と優れた分類性能が示された。
論文参考訳（メタデータ） (2023-04-23T10:09:01Z)
A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
論文参考訳（メタデータ） (2023-01-24T08:39:20Z)
CompNet: A Designated Model to Handle Combinations of Images and Designed features [0.24596929878045565]
本稿では,複合畳み込みニューラルネットワークであるCompNetを提案する。分類タスクにこの構造を用いることで,本手法は過度な適合を著しく低減できることを示す。
論文参考訳（メタデータ） (2022-09-28T22:43:22Z)
INSightR-Net: Interpretable Neural Network for Regression using Similarity-based Comparisons to Prototypical Examples [2.4366811507669124]
畳み込みニューラルネットワーク(CNN)は、様々な医療画像のタスクにおいて、例外的な性能を示している。そこで本研究では,類似度に基づく比較手法を用いて,レグレッションに対して本質的に解釈可能なCNNを提案する。アーキテクチャに組み込まれたプロトタイプ層は、学習したプロトタイプと最もよく似た画像領域の可視化を可能にする。最終的な予測は、類似性によって重み付けされたプロトタイプラベルの平均として直感的にモデル化される。
論文参考訳（メタデータ） (2022-07-31T15:56:15Z)
An Interaction-based Convolutional Neural Network (ICNN) Towards Better Understanding of COVID-19 X-ray Images [0.0]
本稿では,局所情報の関連性を仮定しない対話型畳み込みニューラルネットワーク(ICNN)を提案する。提案手法は、新型コロナウイルスのチェストX線画像を分類した実世界のデータセット上で、99.8%の最先端予測性能を実現する。
論文参考訳（メタデータ） (2021-06-13T04:41:17Z)
Prediction of progressive lens performance from neural network simulations [62.997667081978825]
本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
論文参考訳（メタデータ） (2021-03-19T14:51:02Z)
DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文参考訳（メタデータ） (2020-08-19T06:02:46Z)
Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
論文参考訳（メタデータ） (2020-06-25T12:42:01Z)

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。