論文の概要: MedMNIST Classification Decathlon: A Lightweight AutoML Benchmark for Medical Image Analysis

• arxiv url: http://arxiv.org/abs/2010.14925v4
• Date: Thu, 20 May 2021 22:47:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 04:26:39.116343
• Title: MedMNIST Classification Decathlon: A Lightweight AutoML Benchmark for Medical Image Analysis
• Title（参考訳）: MedMNIST分類基準:医療画像解析のための軽量オートMLベンチマーク
• Authors: Jiancheng Yang, Rui Shi, Bingbing Ni
• Abstract要約: MedMNIST(MedMNIST)は、医療用オープンデータセット10の集合体である。 MedMNISTは、軽量28x28画像の分類タスクを実行するために標準化されている。 MedMNISTは、医療画像解析において、教育目的、迅速なプロトタイピング、マルチモーダル機械学習、AutoMLに使用できる。
• 参考スコア（独自算出の注目度）: 46.02653153307692
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present MedMNIST, a collection of 10 pre-processed medical open datasets. MedMNIST is standardized to perform classification tasks on lightweight 28x28 images, which requires no background knowledge. Covering the primary data modalities in medical image analysis, it is diverse on data scale (from 100 to 100,000) and tasks (binary/multi-class, ordinal regression and multi-label). MedMNIST could be used for educational purpose, rapid prototyping, multi-modal machine learning or AutoML in medical image analysis. Moreover, MedMNIST Classification Decathlon is designed to benchmark AutoML algorithms on all 10 datasets; We have compared several baseline methods, including open-source or commercial AutoML tools. The datasets, evaluation code and baseline methods for MedMNIST are publicly available at https://medmnist.github.io/.
• Abstract（参考訳）: MedMNISTは10の医療用オープンデータセットの集合である。 MedMNISTは、背景知識を必要としない軽量28x28イメージの分類タスクを実行するために標準化されている。 医療画像解析における主要なデータモダリティは、データスケール(100から10万)とタスク(バイナリ/マルチクラス、順序回帰、マルチラベル)によって多様である。 MedMNISTは、医療画像解析において、教育目的、迅速なプロトタイピング、マルチモーダル機械学習、AutoMLに使用できる。 さらに、medmnist分類decathlonは、10のデータセットすべてでautomlアルゴリズムをベンチマークするように設計されており、オープンソースや商用のautomlツールを含むいくつかのベースラインメソッドを比較した。 MedMNISTのデータセット、評価コード、ベースラインメソッドはhttps://medmnist.github.io/で公開されている。

関連論文リスト

• BIOMEDICA: An Open Biomedical Image-Caption Archive, Dataset, and Vision-Language Models Derived from Scientific Literature [73.39593644054865]
  BIOMEDICAはスケーラブルでオープンソースのフレームワークで、PubMed Central Open Accessサブセット全体を抽出、注釈付け、シリアライズして、使いやすく、公開可能なデータセットにする。 われわれのフレームワークは600万以上の記事から2400万以上のユニークな画像テキストペアで包括的なアーカイブを生成する。 BMCA-CLIPは、ストリーミングを通じてBIOMEDICAデータセット上で継続的に事前トレーニングされたCLIPスタイルのモデルのスイートで、27TBのデータをローカルにダウンロードする必要がなくなる。
  論文  参考訳（メタデータ） (2025-01-13T09:58:03Z)
• MedicalNarratives: Connecting Medical Vision and Language with Localized Narratives [11.242775987217032]
  MedicalNarrativesは、Think-Aloudの研究で収集されたデータと、本質的に類似した医療教育ビデオから収集されたデータセットである。 我々のデータセットは、ビデオと記事から4.7Mの画像テキストペアを含み、100万のサンプルには、トレースとバウンディングボックスの形で密集したアノテーションが含まれている。 MedicalNarrativesの有用性を評価するために、12の医療ドメインにまたがるデータセットを用いて、CLIPアーキテクチャに基づいてGenMedClipをトレーニングする。
  論文  参考訳（メタデータ） (2025-01-07T23:32:05Z)
• UniMed-CLIP: Towards a Unified Image-Text Pretraining Paradigm for Diverse Medical Imaging Modalities [68.12889379702824]
  対照的な学習によって訓練された視覚言語モデル(VLM)は、自然画像タスクにおいて顕著な成功を収めた。 UniMedは530万以上の画像テキストペアからなる、大規模でオープンソースのマルチモーダル医療データセットである。 我々は、6つのモダリティのための統一VLMであるUniMed-CLIPを訓練し、ゼロショット評価において顕著な利益を得た。
  論文  参考訳（メタデータ） (2024-12-13T18:59:40Z)
• A comprehensive and easy-to-use multi-domain multi-task medical imaging meta-dataset (MedIMeta) [1.3641191496021943]
  本稿では,新しいマルチドメイン・マルチタスク・メタデータセットであるMedIMetaについて紹介する。 MedIMetaには、10の異なる領域にまたがる19の医療画像データセットがあり、54の異なる医療タスクを含んでいる。 我々はMedimetaの技術的検証を行い、完全に教師付きおよびクロスドメインの学習ベースラインを通じてその実用性を実証する。
  論文  参考訳（メタデータ） (2024-04-24T17:27:57Z)
• Med-Flamingo: a Multimodal Medical Few-shot Learner [58.85676013818811]
  医療領域に適応したマルチモーダル・数ショット学習者であるMed-Flamingoを提案する。 OpenFlamingo-9Bに基づいて、出版物や教科書からの医療画像テキストデータのペア化とインターリーブ化を継続する。 本研究は,医療用VQA(ジェネレーティブ医療用VQA)の最初の人間評価である。
  論文  参考訳（メタデータ） (2023-07-27T20:36:02Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Standardized Medical Image Classification across Medical Disciplines [0.0]
  AUCMEDIは、医療画像分類のためのPythonベースのフレームワークである。 本稿では,複数のデータセットに適用することで,AUCMEDIの能力を評価する。
  論文  参考訳（メタデータ） (2022-10-20T08:38:31Z)
• MedMNIST v2: A Large-Scale Lightweight Benchmark for 2D and 3D Biomedical Image Classification [59.10015984688104]
  MedMNIST v2は、MNISTに似た大規模データセットコレクションである。 得られたデータセットは708,069個の2D画像と10,214個の3D画像で構成されている。
  論文  参考訳（メタデータ） (2021-10-27T22:02:04Z)

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。