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
- R2C-GAN: Restore-to-Classify GANs for Blind X-Ray Restoration and
COVID-19 Classification [17.470240973478585]
汎用画像復元と分類のための共同モデルを提案する: 生成的逆数ネットワーク(R2C-GAN)の再構築
このような共同最適化されたモデルは、回復後にどんな病気もそのまま維持する。
提案手法では, 90%以上のF1スコアが得られた。
論文 参考訳(メタデータ) (2022-09-29T13:28:34Z) - 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) - DeepSTI: Towards Tensor Reconstruction using Fewer Orientations in
Susceptibility Tensor Imaging [9.79660375437555]
感応性テンソルイメージング(英語: Susceptibility tensor imaging、STI)は、2階テンソルモデルを用いて異方性組織磁気感受性を特徴付ける新しい磁気共鳴イメージング技術である。
STIは、白質繊維経路の再構築と、ミリ分解能以下で脳のミエリン変化を検出するための情報を提供する可能性がある。
しかし、生体内でのSTIの応用は、その難易度とMR相の変化を測定するための時間を要する取得要求によって妨げられている。
論文 参考訳(メタデータ) (2022-09-09T20:03:53Z) - 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) - Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks [4.294650528226683]
新型コロナウイルスは肺炎に似た呼吸器症候群である。
科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。
本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
論文 参考訳(メタデータ) (2020-04-23T10:24:34Z) - 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。