論文の概要: Efficient Multi-objective Evolutionary 3D Neural Architecture Search for COVID-19 Detection with Chest CT Scans

• arxiv url: http://arxiv.org/abs/2101.10667v1
• Date: Tue, 26 Jan 2021 09:52:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-14 11:56:27.386492
• Title: Efficient Multi-objective Evolutionary 3D Neural Architecture Search for COVID-19 Detection with Chest CT Scans
• Title（参考訳）: 胸部ctスキャンによるcovid-19検出のための効率的な多目的3dニューラルアーキテクチャ探索
• Authors: Xin He, Shihao Wang, Guohao Ying, Jiyong Zhang, Xiaowen Chu
• Abstract要約: 本稿では,3次元ニューラルアーキテクチャの自動探索が可能な,効率的な多目的ニューラルARchitecture Searchフレームワークを提案する。 フレームワーク内では、重量共有戦略を使用して検索効率を大幅に改善し、8時間で検索プロセスを完了します。 精度、ポテンシャル、モデルサイズの目的は、3つのベースラインの人間設計モデルを上回る軽量モデル(3.39MB)を見つけることである。
• 参考スコア（独自算出の注目度）: 25.03394794744372
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: COVID-19 pandemic has spread globally for months. Due to its long incubation period and high testing cost, there is no clue showing its spread speed is slowing down, and hence a faster testing method is in dire need. This paper proposes an efficient Evolutionary Multi-objective neural ARchitecture Search (EMARS) framework, which can automatically search for 3D neural architectures based on a well-designed search space for COVID-19 chest CT scan classification. Within the framework, we use weight sharing strategy to significantly improve the search efficiency and finish the search process in 8 hours. We also propose a new objective, namely potential, which is of benefit to improve the search process's robustness. With the objectives of accuracy, potential, and model size, we find a lightweight model (3.39 MB), which outperforms three baseline human-designed models, i.e., ResNet3D101 (325.21 MB), DenseNet3D121 (43.06 MB), and MC3\_18 (43.84 MB). Besides, our well-designed search space enables the class activation mapping algorithm to be easily embedded into all searched models, which can provide the interpretability for medical diagnosis by visualizing the judgment based on the models to locate the lesion areas.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは、何ヶ月も世界中で広がっています。 長いインキュベーション期間と高いテストコストのため、その拡散速度が低下していることを示す手がかりがないため、より高速なテスト方法が必要とされている。 本論文では、新型コロナウイルスの胸部CTスキャン分類のためのよく設計された検索空間に基づいて、3Dニューラルネットワークを自動的に検索できる、効率的な進化的マルチオブジェクトニューラルアーキテクチャサーチ(EMARS)フレームワークを提案する。 フレームワーク内では、重量共有戦略を使用して検索効率を大幅に改善し、8時間で検索プロセスを完了します。 また,探索過程の堅牢性向上に寄与する新たな目的,すなわち潜在的可能性も提案する。 精度、ポテンシャル、モデルサイズを目標に、ResNet3D101 (325.21 MB)、DenseNet3D121 (43.06 MB)、MC3\_18 (43.84 MB)の3つのベースライン人間設計モデルを上回る軽量モデル (3.39 MB) が見つかった。 さらに, 検索空間をよく設計したことにより, クラスアクティベーションマッピングアルゴリズムを全検索モデルに容易に組み込むことができ, 病変領域の特定のためにモデルに基づいて判断を可視化することにより, 診断の解釈性を提供することができる。

関連論文リスト

• A Lightweight Neural Architecture Search Model for Medical Image Classification [15.244911514754547]
  本稿では,スパース確率を生成する新しい手法により探索効率を向上させる微分可能なNASアルゴリズムZO-DARTS+を提案する。 5つの公開医療データセットの実験では、ZO-DARTS+は最先端のソリューションの精度と一致し、検索時間を最大3倍削減している。
  論文  参考訳（メタデータ） (2024-05-06T13:33:38Z)
• Network architecture search of X-ray based scientific applications [4.8287663496299755]
  X線および電子回折に基づく顕微鏡は、ブラッグピーク検出とポチグラフィーを用いて原子分解能で3Dイメージングを行う。 近年、ディープニューラルネットワークの使用により、既存の最先端アプローチが改善されている。
  論文  参考訳（メタデータ） (2024-04-16T16:09:38Z)
• MIA-3DCNN: COVID-19 Detection Based on a 3D CNN [0.0]
  畳み込みニューラルネットワークは、肺画像における新型コロナウイルスによる肺炎の検出に広く用いられている。 本研究は,3次元畳み込みニューラルネットワークに基づく,コンピュータ断層撮影画像中のCOVID-19を検出するアーキテクチャについて述べる。
  論文  参考訳（メタデータ） (2023-03-19T18:55:22Z)
• DiNTS: Differentiable Neural Network Topology Search for 3D Medical Image Segmentation [7.003867673687463]
  ディグライザブルネットワークトポロジ検索スキーム(DiNTS)は,MSD(Medicical Decathlon)の課題に対して評価される。 本手法は,MSDチャレンジリーダーボードの最先端性能と上位ランキングを達成する。
  論文  参考訳（メタデータ） (2021-03-29T21:02:42Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Evolving Search Space for Neural Architecture Search [70.71153433676024]
  最適化された検索空間サブセットを維持することにより,前回の取り組みから得られた結果を増幅するニューラルサーチ空間進化(NSE)方式を提案する。 我々は333万のFLOPでImageNet上で77.3%のトップ1リトレーニング精度を実現し、最先端の性能を得た。 遅延制約が適用された場合、我々の結果は、77.9%のTop-1再トレーニング精度を持つ、以前の最高のパフォーマンスのモバイルモデルよりも優れた性能が得られる。
  論文  参考訳（メタデータ） (2020-11-22T01:11:19Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• Searching Collaborative Agents for Multi-plane Localization in 3D Ultrasound [59.97366727654676]
  3D超音波(US)はその豊富な診断情報、可搬性、低コストのために広く用いられている。 米国における標準平面(SP)のローカライゼーションは,効率の向上とユーザ依存の低減だけでなく,米国における3D解釈の促進にも寄与する。 本稿では,複数の子宮SPを同時に3D USにローカライズするマルチエージェント強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-30T07:23:55Z)
• DrNAS: Dirichlet Neural Architecture Search [88.56953713817545]
  ディリクレ分布をモデルとした連続緩和型混合重みをランダム変数として扱う。 最近開発されたパスワイズ微分により、ディリクレパラメータは勾配に基づく一般化で容易に最適化できる。 微分可能なNASの大きなメモリ消費を軽減するために, 単純かつ効果的な進行学習方式を提案する。
  論文  参考訳（メタデータ） (2020-06-18T08:23:02Z)

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。