論文の概要: A semi-supervised autoencoder framework for joint generation and classification of breathing

• arxiv url: http://arxiv.org/abs/2010.15579v2
• Date: Thu, 25 Mar 2021 20:16:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 23:17:51.720945
• Title: A semi-supervised autoencoder framework for joint generation and classification of breathing
• Title（参考訳）: 半教師付きオートエンコーダによる関節生成と呼吸の分類
• Authors: Oscar Pastor-Serrano, Danny Lathouwers, Zolt\'an Perk\'o
• Abstract要約: 本稿では,AAEアルゴリズムと1次元畳み込みに基づくバイオメディカル時系列の生成と分類を行うフレームワークを提案する。 本研究は,放射線照射肺がん治療中に呼吸運動をとらえる特定の動機を持つ呼吸時系列に基づいている。
• 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: One of the main problems with biomedical signals is the limited amount of patient-specific data and the significant amount of time needed to record the sufficient number of samples needed for diagnostic and treatment purposes. In this study, we present a framework to simultaneously generate and classify biomedical time series based on a modified Adversarial Autoencoder (AAE) algorithm and one-dimensional convolutions. Our work is based on breathing time series, with specific motivation to capture breathing motion during radiotherapy lung cancer treatments. First, we explore the potential in using the Variational Autoencoder (VAE) and AAE algorithms to model breathing from individual patients. We extend the AAE algorithm to allow joint semi-supervised classification and generation of different types of signals. To simplify the modeling task, we introduce a pre-processing and post-processing compressing algorithm that transforms the multi-dimensional time series into vectors containing time and position values, which are transformed back into time series through an additional neural network. By incorporating few labeled samples during training, our model outperforms other purely discriminative networks in classifying breathing baseline shift irregularities from a dataset completely different from the training set. To our knowledge, the presented framework is the first approach that unifies generation and classification within a single model for this type of biomedical data, enabling both computer aided diagnosis and augmentation of labeled samples within a single framework.
• Abstract（参考訳）: バイオメディカルシグナルの主な問題は、患者固有のデータの限られた量と、診断および治療目的に必要な十分なサンプル数を記録するのに必要なかなりの時間である。 本研究では,修正adversarial autoencoder (aae) アルゴリズムと1次元畳み込みに基づく生体医学時系列の同時生成と分類を行う枠組みを提案する。 本研究は,放射線照射肺がん治療中に呼吸運動をとらえる特定の動機を持つ呼吸時系列に基づいている。 まず,変分オートエンコーダ(VAE)とAEアルゴリズムを用いて患者の呼吸をモデル化する可能性を検討する。 AAEアルゴリズムを拡張して、共同で半教師付き分類を行い、異なる種類の信号を生成する。 モデリング作業を簡単にするために,多次元時系列を時間と位置の値を含むベクトルに変換する前処理および後処理圧縮アルゴリズムを導入し,追加のニューラルネットワークを通じて時系列に変換する。 トレーニング中にラベル付きサンプルをいくつか組み込むことで、トレーニングセットとは完全に異なるデータセットから呼吸ベースラインシフトの不規則性を分類する、他の純粋識別ネットワークよりも優れています。 我々の知る限り、提示されたフレームワークは、この種のバイオメディカルデータに対して単一のモデル内で生成と分類を統一する最初のアプローチであり、コンピュータ支援による診断とラベル付きサンプルの増大を可能にする。

関連論文リスト

• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• MVMTnet: A Multi-variate Multi-modal Transformer for Multi-class Classification of Cardiac Irregularities Using ECG Waveforms and Clinical Notes [4.648677931378919]
  ディープラーニングは、臨床ベースのアプリケーションのための診断と患者モニタリングを最適化するために使用することができる。 心臓血管疾患では、世界中の様々な地域で医療資源が利用可能になる傾向がますます高まってきており、心疾患の自動分類が課題となっている。 提案したマルチモーダルトランスフォーマーアーキテクチャは、トランスフォーマーのクロスドメインの有効性を実証しながら、このタスクを正確に実行することができる。
  論文  参考訳（メタデータ） (2023-02-21T21:38:41Z)
• VAESim: A probabilistic approach for self-supervised prototype discovery [0.23624125155742057]
  条件付き変分オートエンコーダに基づく画像階層化アーキテクチャを提案する。 我々は、連続した潜伏空間を用いて障害の連続を表現し、訓練中にクラスターを見つけ、画像/患者の成層に使用することができる。 本手法は,標準VAEに対して,分類タスクで測定されたkNN精度において,ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-25T17:55:31Z)
• Autoencoder Based Iterative Modeling and Multivariate Time-Series Subsequence Clustering Algorithm [0.0]
  本稿では、過渡時系列データ(MTSD)における変化点の検出と対応する部分列の同定のためのアルゴリズムを提案する。 我々は、リカレントニューラルネットワーク(RNN)ベースのオートエンコーダ(AE)を用いて、入ってくるデータに基づいて反復的に訓練する。 同定されたサブシーケンスのモデルを保存し、繰り返しサブシーケンスの認識と高速オフラインクラスタリングに使用する。
  論文  参考訳（メタデータ） (2022-09-09T09:59:56Z)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• A generic ensemble based deep convolutional neural network for semi-supervised medical image segmentation [7.141405427125369]
  深層畳み込みニューラルネットワーク(DCNN)に基づく画像セグメンテーションのための汎用的な半教師付き学習フレームワークを提案する。 本手法は,ラベルなしデータを組み込むことで,完全教師付きモデル学習を超えて大幅に改善することができる。
  論文  参考訳（メタデータ） (2020-04-16T23:41:50Z)

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。