論文の概要: GaNDLF: A Generally Nuanced Deep Learning Framework for Scalable
End-to-End Clinical Workflows in Medical Imaging
- arxiv url: http://arxiv.org/abs/2103.01006v1
- Date: Fri, 26 Feb 2021 02:24:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 16:18:12.620858
- Title: GaNDLF: A Generally Nuanced Deep Learning Framework for Scalable
End-to-End Clinical Workflows in Medical Imaging
- Title（参考訳）: GaNDLF:医療画像におけるスケーラブルなエンドツーエンド臨床ワークフローのための一般向けディープラーニングフレームワーク
- Authors: Sarthak Pati, Siddhesh P. Thakur, Megh Bhalerao, Ujjwal Baid, Caleb
Grenko, Brandon Edwards, Micah Sheller, Jose Agraz, Bhakti Baheti, Vishnu
Bashyam, Parth Sharma, Babak Haghighi, Aimilia Gastounioti, Mark Bergman,
Bjoern Menze, Despina Kontos, Christos Davatzikos, Spyridon Bakas
- Abstract要約: この原稿は textbfGenertextbfally textbfNuanced textbfDeep textbfLearning textbfFramework (GaNDLF) を提案する。
- 参考スコア（独自算出の注目度）: 2.8937195386789494
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep Learning (DL) has greatly highlighted the potential impact of optimized
machine learning in both the scientific and clinical communities. The advent of
open-source DL libraries from major industrial entities, such as TensorFlow
(Google), PyTorch (Facebook), and MXNet (Apache), further contributes to DL
promises on the democratization of computational analytics. However, increased
technical and specialized background is required to develop DL algorithms, and
the variability of implementation details hinders their reproducibility.
Towards lowering the barrier and making the mechanism of DL development,
training, and inference more stable, reproducible, and scalable, without
requiring an extensive technical background, this manuscript proposes the
\textbf{G}ener\textbf{a}lly \textbf{N}uanced \textbf{D}eep \textbf{L}earning
\textbf{F}ramework (GaNDLF). With built-in support for $k$-fold
cross-validation, data augmentation, multiple modalities and output classes,
and multi-GPU training, as well as the ability to work with both radiographic
and histologic imaging, GaNDLF aims to provide an end-to-end solution for all
DL-related tasks, to tackle problems in medical imaging and provide a robust
application framework for deployment in clinical workflows.
- Abstract（参考訳）: ディープラーニング(DL)は、科学と臨床の両方のコミュニティで最適化された機械学習の潜在的な影響を大幅に強調しています。
TensorFlow(Google)、PyTorch(Facebook)、MXNet(Apache)といった主要な産業組織からのオープンソースDLライブラリの出現は、計算分析の民主化におけるDLの約束にも貢献している。
しかし、dlアルゴリズムの開発には技術と専門的な背景が増す必要があり、実装の詳細のばらつきによってその再現性が阻害される。
障壁を低くし、DL開発、トレーニング、推論のメカニズムをより安定、再現可能、スケーラブルにするために、広範な技術的背景を必要とせずに、この原稿は \textbf{G}ener\textbf{a}lly \textbf{N}uanced \textbf{D}eep \textbf{L}earning \textbf{F}ramework (GaNDLF)を提案する。
k$フォールドのクロスバリデーション、データ拡張、複数モードと出力クラス、マルチGPUトレーニングのビルトインサポート、放射線画像と組織像の両方を扱う機能、GaNDLFは、すべてのDL関連タスクに対するエンドツーエンドソリューションの提供、医療画像の問題への取り組み、臨床ワークフローへのデプロイのための堅牢なアプリケーションフレームワークの提供を目的としている。
関連論文リスト
- RO-LLaMA: Generalist LLM for Radiation Oncology via Noise Augmentation
and Consistency Regularization [51.877826904868975]
放射線腫瘍学の分野に適した汎用汎用大言語モデル(LLM)であるRO-LLaMAを提案する。
このモデルは、臨床報告の要約などの様々なタスクに適応し、放射線腫瘍専門医の幅広いワークフローをシームレスにカバーする。
また,新しいCEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
論文 参考訳（メタデータ） (2023-11-27T14:49:06Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳（メタデータ） (2023-11-01T07:24:22Z) - Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。
コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。
眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文 参考訳（メタデータ） (2023-07-31T09:49:51Z) - Deep Anatomical Federated Network (Dafne): an open client/server
framework for the continuous collaborative improvement of deep-learning-based
medical image segmentation [0.0]
Dafneソリューションは、システムのユーザの集合的知識を活用する、継続的に進化するディープラーニングモデルを実装している。
Dafneは、システムのユーザの集合的知識を活用する、継続的に進化するディープラーニングモデルを実装する、最初の分散型で協調的なソリューションである。
Dafneを通じてデプロイされたモデルは、時間とともにパフォーマンスを改善し、トレーニングセットにないデータタイプに一般化することができる。
論文 参考訳（メタデータ） (2023-02-13T13:35:09Z) - Using Gradient to Boost the Generalization Performance of Deep Learning
Models for Fluid Dynamics [0.0]
本稿では,Deep Learningの一般化能力を高めるための新しい研究について述べる。
我々の戦略は、DLネットワークのより良い一般化に向けた良い結果を示している。
論文 参考訳（メタデータ） (2022-10-09T10:20:09Z) - REET: Robustness Evaluation and Enhancement Toolbox for Computational
Pathology [1.452875650827562]
計算病理学応用のための最初のドメイン固有ロバストネス評価・拡張ツールボックス(REET)を提案する。
REETは予測モデルの堅牢性評価を可能にするアルゴリズム戦略のスイートを提供する。
REETはまた、計算病理学におけるディープラーニングパイプラインの効率的で堅牢なトレーニングを可能にする。
論文 参考訳（メタデータ） (2022-01-28T18:23:55Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳（メタデータ） (2021-06-17T17:26:31Z) - CogDL: A Comprehensive Library for Graph Deep Learning [55.694091294633054]
研究者や実践者が実験を行い、メソッドを比較し、簡単かつ効率的にアプリケーションを構築することができるグラフ深層学習ライブラリであるCogDLを紹介します。
CogDLでは,様々なグラフタスクに対するGNNモデルのトレーニングと評価のための統一設計を提案し,既存のグラフ学習ライブラリに固有のものである。
我々はCogDLのための効率的なスパース演算子を開発し、効率性のための最も競争力のあるグラフライブラリとなる。
論文 参考訳（メタデータ） (2021-03-01T12:35:16Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z)
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。