論文の概要: TDA-Net: Fusion of Persistent Homology and Deep Learning Features for COVID-19 Detection in Chest X-Ray Images

• arxiv url: http://arxiv.org/abs/2101.08398v1
• Date: Thu, 21 Jan 2021 01:51:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 08:00:16.247701
• Title: TDA-Net: Fusion of Persistent Homology and Deep Learning Features for COVID-19 Detection in Chest X-Ray Images
• Title（参考訳）: TDA-Net:胸部X線画像におけるウイルス検出のための持続的ホモロジーと深層学習の融合
• Authors: Mustafa Hajij, Ghada Zamzmi, Fawwaz Batayneh
• Abstract要約: トポロジカルデータ分析は、データセットの構造を抽出し比較するための堅牢なツールとして登場した。 両強力なツールの特徴を捉えるために,トポロジと深い特徴を融合した新しいアンサンブルネットワークである textitTDA-Net を提案する。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Topological Data Analysis (TDA) has emerged recently as a robust tool to extract and compare the structure of datasets. TDA identifies features in data such as connected components and holes and assigns a quantitative measure to these features. Several studies reported that topological features extracted by TDA tools provide unique information about the data, discover new insights, and determine which feature is more related to the outcome. On the other hand, the overwhelming success of deep neural networks in learning patterns and relationships has been proven on a vast array of data applications, images in particular. To capture the characteristics of both powerful tools, we propose \textit{TDA-Net}, a novel ensemble network that fuses topological and deep features for the purpose of enhancing model generalizability and accuracy. We apply the proposed \textit{TDA-Net} to a critical application, which is the automated detection of COVID-19 from CXR images. The experimental results showed that the proposed network achieved excellent performance and suggests the applicability of our method in practice.
• Abstract（参考訳）: トポロジカルデータ分析(TDA)は、データセットの構造を抽出し比較するための堅牢なツールとして最近登場した。 TDAは接続されたコンポーネントやホールなどのデータの特徴を特定し、これらの特徴に定量的な尺度を割り当てる。 いくつかの研究では、tdaツールによって抽出されたトポロジカルな特徴は、データに関するユニークな情報を提供し、新しい洞察を発見し、どの特徴が結果とより関連があるかを決定すると報告されている。 一方、学習パターンや関係性におけるディープニューラルネットワークの圧倒的な成功は、膨大なデータアプリケーション、特に画像で証明されている。 両強力なツールの特徴を捉えるために,モデル一般化性と精度を高めるために,トポロジと深部の特徴を融合した新しいアンサンブルネットワークである「textit{TDA-Net}」を提案する。 提案する \textit{tda-net} をcxr画像からcovid-19の自動検出を行う重要なアプリケーションに適用する。 実験の結果,提案したネットワークは優れた性能を示し,本手法の適用性が示唆された。

関連論文リスト

• Scalable Weibull Graph Attention Autoencoder for Modeling Document Networks [50.42343781348247]
  解析条件後部を解析し,推論精度を向上させるグラフポアソン因子分析法(GPFA)を開発した。 また,GPFAを多層構造に拡張したグラフPoisson gamma belief Network (GPGBN) を用いて,階層的な文書関係を複数の意味レベルで捉える。 本モデルでは,高品質な階層型文書表現を抽出し,様々なグラフ解析タスクにおいて有望な性能を実現する。
  論文  参考訳（メタデータ） (2024-10-13T02:22:14Z)
• Research on fusing topological data analysis with convolutional neural network [1.0222202698528364]
  本稿では,TDA(Topological Data Analysis)とCNN(TDA-CNN)に基づく特徴融合手法を提案する。 本手法は,CNNが取得した数値分布特徴とTDAが取得した位相構造特徴を組み合わせることで,CNNの特徴学習と表現能力を向上させる。 書道家によるIntel Image、Gender Images、中国書道スタイルなどのデータセットに対する実験的検証では、TDA-CNNはVGG16、DenseNet121、GoogleNetネットワークのパフォーマンスをそれぞれ17.5%、7.11%、そして4.45%改善している。
  論文  参考訳（メタデータ） (2024-06-19T07:43:53Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
  ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。 我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
  論文  参考訳（メタデータ） (2022-11-09T14:57:27Z)
• Artificial Text Detection via Examining the Topology of Attention Maps [58.46367297712477]
  トポロジカルデータ分析(TDA)に基づく3種類の解釈可能なトポロジカル特徴を提案する。 BERTモデルから派生した特徴が3つの共通データセットにおいて、カウントベースとニューラルベースベースラインを最大10%上回っていることを実証的に示す。 特徴の探索解析は表面に対する感度と構文的性質を明らかにしている。
  論文  参考訳（メタデータ） (2021-09-10T12:13:45Z)
• Feature Extraction for Machine Learning-based Intrusion Detection in IoT Networks [6.6147550436077776]
  本稿では, 特徴量削減 (FR) と機械学習 (ML) の手法が, 様々なデータセットにまたがって一般化できるかどうかを明らかにすることを目的とする。 主成分分析(PCA)、自動エンコーダ(AE)、線形識別分析(LDA)の3つの特徴抽出(FE)アルゴリズムの検出精度を評価する。
  論文  参考訳（メタデータ） (2021-08-28T23:52:18Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• ScalingNet: extracting features from raw EEG data for emotion recognition [4.047737925426405]
  生の脳波信号から効果的なデータ駆動スペクトログラムのような特徴を適応的に抽出できる新しい畳み込み層を提案する。 スケーリング層に基づくニューラルネットワークアーキテクチャであるScalingNetは、確立されたDEAPベンチマークデータセット全体で最先端の結果を達成した。
  論文  参考訳（メタデータ） (2021-02-07T08:54:27Z)
• Probabilistic Graph Attention Network with Conditional Kernels for Pixel-Wise Prediction [158.88345945211185]
  本稿では,画素レベルの予測を基本的側面,すなわち,技術の現状を推し進める新たなアプローチを提案する。 構造化されたマルチスケール機能学習と融合。 本論文では,マルチスケール表現を原理的に学習・融合するための新しいアテンテンションゲート条件ランダムフィールド(AG-CRFs)モデルに基づく確率的グラフアテンションネットワーク構造を提案する。
  論文  参考訳（メタデータ） (2021-01-08T04:14:29Z)
• A Neural Architecture for Detecting Confusion in Eye-tracking Data [1.8655840060559168]
  我々は、RNNとCNNのサブモデルを並列に使用して、データの時間的・空間的側面を活用するアーキテクチャを提案する。 本モデルでは,Random Forestsをベースとした既存モデルよりも22%の感度・特異性が向上した。
  論文  参考訳（メタデータ） (2020-03-13T18:20:39Z)

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。