論文の概要: Adversarial Regression Learning for Bone Age Estimation

• arxiv url: http://arxiv.org/abs/2103.06149v1
• Date: Wed, 10 Mar 2021 15:58:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-12 12:19:24.035942
• Title: Adversarial Regression Learning for Bone Age Estimation
• Title（参考訳）: 骨年齢推定のための逆回帰学習
• Authors: Youshan Zhang and Brian D. Davison
• Abstract要約: 骨年齢推定のための逆回帰学習ネットワーク(ARLNet)を提案する。 具体的には、微調整されたインセプションV3ニューラルネットワークから骨の特徴を抽出します。 次に,学習データからテストデータへの遷移を保証するために,逆回帰損失と特徴再構成損失を提案する。
• 参考スコア（独自算出の注目度）: 6.942003070153651
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Estimation of bone age from hand radiographs is essential to determine skeletal age in diagnosing endocrine disorders and depicting the growth status of children. However, existing automatic methods only apply their models to test images without considering the discrepancy between training samples and test samples, which will lead to a lower generalization ability. In this paper, we propose an adversarial regression learning network (ARLNet) for bone age estimation. Specifically, we first extract bone features from a fine-tuned Inception V3 neural network and propose regression percentage loss for training. To reduce the discrepancy between training and test data, we then propose adversarial regression loss and feature reconstruction loss to guarantee the transition from training data to test data and vice versa, preserving invariant features from both training and test data. Experimental results show that the proposed model outperforms state-of-the-art methods.
• Abstract（参考訳）: 小児の内分泌疾患の診断における骨格年齢の決定には,手書きX線写真による骨年齢の推定が不可欠である。 しかしながら、既存の自動メソッドは、トレーニングサンプルとテストサンプルの相違を考慮せずに、テスト画像にのみモデルを適用するため、一般化能力が低下する。 本稿では,骨年齢推定のための逆回帰学習ネットワーク(ARLNet)を提案する。 具体的には、細かく調整されたインセプションV3ニューラルネットワークから骨の特徴を抽出し、トレーニングの回帰率の損失を提案します。 トレーニングデータとテストデータとの相違を減らすために,学習データからテストデータへの遷移を保証するために,逆回帰損失と特徴再構成損失を提案し,その逆も提案し,トレーニングデータとテストデータの両方から不変な特徴を保存する。 実験の結果,提案モデルが最先端の手法を上回っていることが示された。

関連論文リスト

• When No-Rejection Learning is Consistent for Regression with Rejection [11.244583592648443]
  本研究では,すべてのデータを用いて予測を学習するノンリジェクト学習戦略について検討する。 本稿では,すべてのデータを用いて予測を学習するノンリジェクト学習戦略について検討する。
  論文  参考訳（メタデータ） (2023-07-06T11:43:22Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Reconstructing Training Data from Model Gradient, Provably [68.21082086264555]
  ランダムに選択されたパラメータ値で1つの勾配クエリからトレーニングサンプルを再構成する。 センシティブなトレーニングデータを示す証明可能な攻撃として、われわれの発見はプライバシーに対する深刻な脅威を示唆している。
  論文  参考訳（メタデータ） (2022-12-07T15:32:22Z)
• Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
  3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。 ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。 我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
  論文  参考訳（メタデータ） (2022-11-22T11:34:51Z)
• Using machine learning on new feature sets extracted from 3D models of broken animal bones to classify fragments according to break agent [53.796331564067835]
  ホミニン骨破壊による骨片と肉食動物による骨片の識別を目的とした骨折パターン解析への新しいアプローチを提案する。 この方法では、断片的な骨の3Dモデルを用いて、これまで骨折パターン解析に使用されていた特徴セットよりも透明性が高くレプリカ性の高いデータセットを抽出する。 監視された機械学習アルゴリズムは、骨断片を破片のエージェントに従って適切に分類するために使用され、平均的精度はテスト全体で77%である。
  論文  参考訳（メタデータ） (2022-05-20T20:16:21Z)
• About Explicit Variance Minimization: Training Neural Networks for Medical Imaging With Limited Data Annotations [2.3204178451683264]
  VAT(Variance Aware Training)法は、モデル損失関数に分散誤差を導入することにより、この特性を利用する。 多様な領域から得られた3つの医用画像データセットと様々な学習目標に対するVATの有効性を検証した。
  論文  参考訳（メタデータ） (2021-05-28T21:34:04Z)
• Ridge Regression Neural Network for Pediatric Bone Age Assessment [1.1501261942096426]
  骨年齢の遅れや増加は小児科医にとって深刻な懸念である。 骨年齢評価のための統合型深層学習フレームワークを事例分割と隆起回帰を用いて導入する。
  論文  参考訳（メタデータ） (2021-04-15T21:38:22Z)
• Unsupervised neural adaptation model based on optimal transport for spoken language identification [54.96267179988487]
  トレーニングセットとテストセット間の音響音声の統計的分布のミスマッチにより,音声言語識別(SLID)の性能が大幅に低下する可能性がある。 SLIDの分布ミスマッチ問題に対処するために,教師なしニューラル適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-12-24T07:37:19Z)
• Bayesian Sampling Bias Correction: Training with the Right Loss Function [0.0]
  我々は、サンプリングバイアスの存在下でモデルを訓練するために損失関数の族を導出する。 例えば、病理の頻度がトレーニングデータセットのサンプリングレートと異なる場合や、マシンラーニングの実践者がトレーニングデータセットを再バランスする場合などだ。
  論文  参考訳（メタデータ） (2020-06-24T15:10:43Z)
• Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
  ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。 本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。 代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
  論文  参考訳（メタデータ） (2020-06-22T15:07:06Z)
• An Efficient Method of Training Small Models for Regression Problems with Knowledge Distillation [1.433758865948252]
  回帰問題に対する知識蒸留の新しい定式化を提案する。 まず,教師モデル予測を用いて,教師モデルを用いた学習サンプルの退学率を下げる新たな損失関数,教師の退学率の減少を提案する。 マルチタスクネットワークを考えることで、学生モデルの特徴抽出の訓練がより効果的になる。
  論文  参考訳（メタデータ） (2020-02-28T08:46:12Z)

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。