論文の概要: QReLU and m-QReLU: Two novel quantum activation functions to aid medical diagnostics

• arxiv url: http://arxiv.org/abs/2010.08031v1
• Date: Thu, 15 Oct 2020 21:38:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 02:42:35.707510
• Title: QReLU and m-QReLU: Two novel quantum activation functions to aid medical diagnostics
• Title（参考訳）: QReLUとm-QReLU:医学診断に役立つ2つの新しい量子活性化機能
• Authors: L. Parisi, D. Neagu, R. Ma, F. Campean
• Abstract要約: ReLUアクティベーション関数(AF)はディープニューラルネットワーク、特に畳み込みニューラルネットワーク(CNN)に広く応用されている。 最近のアプローチは、同じ未解決のReLUチャレンジでアクティベーション関数のバリエーションを提案するだけである。 この貢献は、ReLU AFに対する革新的な量子アプローチの開発を調査することで、異なる研究方向を報告している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ReLU activation function (AF) has been extensively applied in deep neural networks, in particular Convolutional Neural Networks (CNN), for image classification despite its unresolved dying ReLU problem, which poses challenges to reliable applications. This issue has obvious important implications for critical applications, such as those in healthcare. Recent approaches are just proposing variations of the activation function within the same unresolved dying ReLU challenge. This contribution reports a different research direction by investigating the development of an innovative quantum approach to the ReLU AF that avoids the dying ReLU problem by disruptive design. The Leaky ReLU was leveraged as a baseline on which the two quantum principles of entanglement and superposition were applied to derive the proposed Quantum ReLU (QReLU) and the modified-QReLU (m-QReLU) activation functions. Both QReLU and m-QReLU are implemented and made freely available in TensorFlow and Keras. This original approach is effective and validated extensively in case studies that facilitate the detection of COVID-19 and Parkinson Disease (PD) from medical images. The two novel AFs were evaluated in a two-layered CNN against nine ReLU-based AFs on seven benchmark datasets, including images of spiral drawings taken via graphic tablets from patients with Parkinson Disease and healthy subjects, and point-of-care ultrasound images on the lungs of patients with COVID-19, those with pneumonia and healthy controls. Despite a higher computational cost, results indicated an overall higher classification accuracy, precision, recall and F1-score brought about by either quantum AFs on five of the seven bench-mark datasets, thus demonstrating its potential to be the new benchmark or gold standard AF in CNNs and aid image classification tasks involved in critical applications, such as medical diagnoses of COVID-19 and PD.
• Abstract（参考訳）: ReLUアクティベーション関数(AF)は、ディープニューラルネットワーク、特に畳み込みニューラルネットワーク(CNN)において、信頼できるアプリケーションに課題をもたらす未解決のReLU問題にもかかわらず、画像分類に広く適用されている。 この問題は、医療などの重要な応用に明らかに重要な意味を持っている。 最近のアプローチは、同じ未解決のReLUチャレンジでアクティベーション関数のバリエーションを提案するだけである。 このコントリビューションは、ReLU AFに対する革新的な量子アプローチの開発を調査し、破壊的設計によって死滅するReLU問題を避けることにより、異なる研究方向を報告している。 Leaky ReLUは、量子ReLU(QReLU)と修正QReLU(m-QReLU)の活性化関数を導出するために、量子エンタングルメントと重ね合わせの2つの量子原理を適用したベースラインとして利用された。 QReLUとm-QReLUの両方が実装され、TensorFlowとKerasで自由に利用できる。 このアプローチは、医療画像からCOVID-19とパーキンソン病(PD)の検出を容易にするケーススタディにおいて、効果的かつ広範囲に検証されている。 パーキンソン病患者および健常者からのグラフィックタブレットによるスパイラル・ドローイング画像や、covid-19患者、肺炎患者、健康管理者の肺のポイント・オブ・ケア超音波画像を含む7つのベンチマークデータセットにおいて、reluベースのafsに対して2層cnnで評価した。 計算コストが高いにもかかわらず、結果は7つのベンチマークデータセットのうち5つの量子afsによって引き起こされた全体的な分類精度、精度、リコール、f1-scoreを示し、cnnにおける新しいベンチマークまたはゴールド標準afの可能性を示し、covid-19やpdの医療診断などの重要な応用に関わる画像分類タスクを支援した。

関連論文リスト

• Rethinking Medical Anomaly Detection in Brain MRI: An Image Quality Assessment Perspective [14.39502951611029]
  構造類似度指数の損失をl1損失と組み合わせた核融合品質損失関数を提案する。 また,正常領域と異常領域の平均強度比(AIR)を高めるデータ前処理戦略を導入し,異常の識別を改善した。 提案したIQAアプローチは,BraTS21(T2,FLAIR)およびMSULBデータセット上のDice係数(DICE)とAUPRC(Area Under the Precision-Recall Curve)において,大幅な改善(>10%)を達成している。
  論文  参考訳（メタデータ） (2024-08-15T15:55:07Z)
• GANetic Loss for Generative Adversarial Networks with a Focus on Medical Applications [0.0]
  GAN(Generative Adversarial Network)は、あるデータセットの基盤となる統計構造を推定するために使用される機械学習モデルである。 生成モデルの性能と安定性を向上させるために、様々な損失関数が提案されている。 本研究では,GANの損失関数設計を遺伝的プログラミング(GP)手法を用いた最適化問題として提示する。
  論文  参考訳（メタデータ） (2024-06-07T15:43:29Z)
• Complexity of Deciding Injectivity and Surjectivity of ReLU Neural Networks [5.482420806459269]
  ReLU層の単射率を決定するためのcoNP完全性を証明する。 1次元出力を持つ2層ReLUネットワークのサージェクティビティも特徴付ける。
  論文  参考訳（メタデータ） (2024-05-30T08:14:34Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• COVID-19 Pneumonia and Influenza Pneumonia Detection Using Convolutional Neural Networks [0.0]
  我々は、新型コロナウイルス肺炎、インフルエンザウイルス肺炎、および正常なバイオマーカーの鑑別を支援するコンピュータソリューションを開発した。 その分類性能において、最高の性能モデルでは、検証精度は93%、F1スコアは0.95であった。
  論文  参考訳（メタデータ） (2021-12-14T01:59:25Z)
• ALReLU: A different approach on Leaky ReLU activation function to improve Neural Networks Performance [0.0]
  古典的ReLUアクティベーション関数(AF)はディープニューラルネットワーク(DNN)に広く応用されている ReLUの一般的な勾配問題は、アカデミーや産業分野での応用に課題をもたらす。 LReLUの変種であるAbsolute Leaky ReLU (ALReLU) AFは、一般的な「ダイングReLU問題」を解決する代替手法として提案されている。
  論文  参考訳（メタデータ） (2020-12-11T06:46:42Z)
• Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
  ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
  論文  参考訳（メタデータ） (2020-11-24T01:53:39Z)
• FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
  正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。 FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。 FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
  論文  参考訳（メタデータ） (2020-10-30T03:17:31Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)

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。