論文の概要: Combining Neural Network Models for Blood Cell Classification
- arxiv url: http://arxiv.org/abs/2101.03604v1
- Date: Sun, 10 Jan 2021 18:58:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-08 09:26:28.171351
- Title: Combining Neural Network Models for Blood Cell Classification
- Title(参考訳): 血液細胞分類のためのニューラルネットワークモデルの組み合わせ
- Authors: Indraneel Ghosh, Siddhant Kundu
- Abstract要約: 本研究の目的は、Recurrent Neural Network(RNN)とConvolutional Neural Network(CNN)を組み合わせて構築した多層ニューラルネットワークモデルの効率を評価することである。
これは、特定の画像サンプル中の血液細胞の性質を特定する必要がある血液検査および他のプロセスの分析を自動化するための医薬品および医療業界に適用することができます。
- 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 objective of the study is to evaluate the efficiency of a multi layer
neural network models built by combining Recurrent Neural Network(RNN) and
Convolutional Neural Network(CNN) for solving the problem of classifying
different types of White Blood Cells. This can have applications in the
pharmaceutical and healthcare industry for automating the analysis of blood
tests and other processes requiring identifying the nature of blood cells in a
given image sample. It can also be used in the diagnosis of various
blood-related diseases in patients.
- Abstract(参考訳): 本研究の目的は、異なるタイプの白血球を分類する問題を解くために、リカレントニューラルネットワーク(RNN)と畳み込みニューラルネットワーク(CNN)を組み合わせて構築した多層ニューラルネットワークモデルの効率を評価することである。
これは、所定の画像サンプル中の血液細胞の性質を特定する必要がある血液検査やその他のプロセスの分析を自動化するために、医薬品や医療産業に応用できる。
また、様々な血液関連疾患の診断にも用いられる。
関連論文リスト
- How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳(メタデータ) (2023-06-04T08:53:27Z) - A Novel Deep Learning based Model for Erythrocytes Classification and
Quantification in Sickle Cell Disease [16.351002089332994]
我々は、赤血球の歪んだ、正常な形態を分類し、定量化するために、カスタマイズされた深層畳み込みニューラルネットワーク(CNN)モデルを提案した。
本研究は, 脂肪細胞, 卵胞, 毛細血管を含む3種類の赤血球形態について検討した。
我々は18階層の深層CNNアーキテクチャを用いて、これらの形状を81%の精度で識別し、定量化し、他のモデルより優れています。
論文 参考訳(メタデータ) (2023-05-02T10:28:07Z) - Segmentation of Retinal Blood Vessels Using Deep Learning [0.30458514384586394]
網膜血管の形態は、人体の様々な病気を示すことができる。
このプロジェクトは、網膜画像のセグメント化における4つのニューラルネットワークアーキテクチャの性能を比較する。
論文 参考訳(メタデータ) (2023-03-16T22:47:48Z) - A survey on automated detection and classification of acute leukemia and
WBCs in microscopic blood cells [6.117084972237769]
白血球 (Leukemia) は、白血球や白血球が骨髄や血液中に拡散する異常な疾患である。
従来の機械学習とディープラーニング技術は、医療画像の診断と分類の精度とスピードを高めるための実践的なロードマップである。
本稿では, 急性白血病およびWBCの検出と分類に関する包括的解析を行った。
論文 参考訳(メタデータ) (2023-03-07T14:26:08Z) - Analyzing Populations of Neural Networks via Dynamical Model Embedding [10.455447557943463]
ディープニューラルネットワークの解釈における中核的な課題は、同じタスクのためにトレーニングされた異なるネットワークによって実装された基盤となるアルゴリズム間の共通点を特定することである。
この問題に触発されたDYNAMOは,各点がニューラルネットワークモデルに対応する低次元多様体を構築するアルゴリズムであり,対応するニューラルネットワークが同様のハイレベルな計算処理を実行する場合,その近傍に2つの点が存在する。
DYNAMOは、事前訓練されたニューラルネットワークのコレクションを入力として、隠された状態のダイナミクスとコレクション内の任意のモデルの出力をエミュレートするメタモデルを出力する。
論文 参考訳(メタデータ) (2023-02-27T19:00:05Z) - Deep Reinforcement Learning Guided Graph Neural Networks for Brain
Network Analysis [61.53545734991802]
本稿では,各脳ネットワークに最適なGNNアーキテクチャを探索する新しい脳ネットワーク表現フレームワークBN-GNNを提案する。
提案するBN-GNNは,脳ネットワーク解析タスクにおける従来のGNNの性能を向上させる。
論文 参考訳(メタデータ) (2022-03-18T07:05:27Z) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳(メタデータ) (2021-09-10T13:07:11Z) - Multi-Class Classification of Blood Cells -- End to End Computer Vision
based diagnosis case study [0.0]
我々は,外輪郭,色の形態的特徴から,白血球分類の問題に取り組む。
我々は、最小時間複雑さと低リソース要求でロバストなアルゴリズムを特定するために、多くのアルゴリズムを探求したい。
論文 参考訳(メタデータ) (2021-06-23T17:18:19Z) - 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) - Exploiting Heterogeneity in Operational Neural Networks by Synaptic
Plasticity [87.32169414230822]
最近提案されたネットワークモデルであるオペレーショナルニューラルネットワーク(ONN)は、従来の畳み込みニューラルネットワーク(CNN)を一般化することができる。
本研究では, 生体ニューロンにおける本質的な学習理論を示すSynaptic Plasticityパラダイムに基づいて, ネットワークの隠蔽ニューロンに対する最強演算子集合の探索に焦点をあてる。
高難易度問題に対する実験結果から、神経細胞や層が少なくても、GISベースのONNよりも優れた学習性能が得られることが示された。
論文 参考訳(メタデータ) (2020-08-21T19:03:23Z) - Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。
これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。
生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文 参考訳(メタデータ) (2020-06-22T11:41:57Z)
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。