論文の概要: Hybrid Classical-Quantum method for Diabetic Foot Ulcer Classification

• arxiv url: http://arxiv.org/abs/2110.02222v1
• Date: Tue, 5 Oct 2021 06:28:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-07 14:32:24.892612
• Title: Hybrid Classical-Quantum method for Diabetic Foot Ulcer Classification
• Title（参考訳）: 糖尿病足部潰瘍分類のためのハイブリッド古典量子法
• Authors: Azadeh Alavi and Hossein Akhoundi
• Abstract要約: 糖尿病は世界中で多くの人に影響を与えている。 このような潰瘍を感染症、虚血、ヌーネ、感染症のいずれかに分類できる必要がある。
• 参考スコア（独自算出の注目度）: 0.45687771576879593
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Diabetes is a raising problem that affects many people globally. Diabetic patients are at risk of developing foot ulcer that usually leads to limb amputation, causing significant morbidity, and psychological distress. In order to develop a self monitoring mobile application, it is necessary to be able to classify such ulcers into either of the following classes: Infection, Ischaemia, None, or Both. In this work, we compare the performance of a classical transfer-learning-based method, with the performance of a hybrid classical-quantum Classifier on diabetic foot ulcer classification task. As such, we merge the pre-trained Xception network with a multi-class variational classifier. Thus, after modifying and re-training the Xception network, we extract the output of a mid-layer and employ it as deep-features presenters of the given images. Finally, we use those deep-features to train multi-class variational classifier, where each classifier is implemented on an individual variational circuit. The method is then evaluated on the blind test set DFUC2021. The results proves that our proposed hybrid classical-quantum Classifier leads to considerable improvement compared to solely relying on transfer learning concept through training the modified version of Xception network.
• Abstract（参考訳）: 糖尿病は世界中で多くの人に影響を与えている。 糖尿病患者は、通常手足の切断につながる足の潰瘍を発症する危険性があり、致命傷や心理的苦痛を引き起こす。 自己監視型モバイルアプリケーションを開発するためには,これらの潰瘍を感染性,虚血性,無症,あるいはその両方に分類する必要がある。 本研究は,糖尿病性足部潰瘍分類作業における古典的移動学習法の性能と,ハイブリッドな古典的量子分類器の性能を比較した。 したがって、事前学習されたxceptionネットワークをマルチクラス変分分類器にマージする。 そこで,Xception ネットワークを修正・再訓練した後,中間層の出力を抽出し,与えられた画像の深層表現として利用する。 最後に、これらの深層特徴を用いて多クラス変分分類器を訓練し、各分類器を個々の変分回路上に実装する。 次に、この手法をブラインドテストセットDFUC2021で評価する。 その結果,提案手法は,xception networkの修正版をトレーニングすることで,トランスファー学習の概念のみに依存することに比べ,相当な改善が得られた。

関連論文リスト

• Addressing Imbalance for Class Incremental Learning in Medical Image Classification [14.242875524728495]
  不均衡の悪影響を軽減するために2つのプラグイン法を導入する。 まず、多数派に対する分類バイアスを軽減するために、CILバランスの取れた分類損失を提案する。 第2に,組込み空間におけるクラス間重複を緩和するだけでなく,クラス内コンパクト性も緩和する分布マージン損失を提案する。
  論文  参考訳（メタデータ） (2024-07-18T17:59:44Z)
• Robustly Optimized Deep Feature Decoupling Network for Fatty Liver Diseases Detection [18.24448979368885]
  現在の医用画像分類の取り組みは主に、より高い平均性能を目指しています。 大量のデータをサポートせずに、深層学習は脂肪肝のきめ細かい分類の課題に直面している。 本稿では,機能分離と適応的対人訓練を組み合わせた革新的なディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-25T07:50:09Z)
• Transfer-Ensemble Learning based Deep Convolutional Neural Networks for Diabetic Retinopathy Classification [0.7614628596146599]
  本稿では,糖尿病性網膜症 (DR) を,VGG16 と Inception V3 の2つのよく訓練された畳み込みニューラルネットワークに基づくアンサンブルアプローチを用いて,5つのクラスに分類することを目的とする。 実験結果から,DR分類におけるアンサンブルモデルの有効性が96.4%の精度で示された。
  論文  参考訳（メタデータ） (2023-08-01T13:07:39Z)
• Anomaly Detection using Ensemble Classification and Evidence Theory [62.997667081978825]
  本稿では,アンサンブル分類とエビデンス理論を用いた新しい検出手法を提案する。 固体アンサンブル分類器を構築するためのプール選択戦略が提示される。 我々は異常検出手法の不確実性を利用する。
  論文  参考訳（メタデータ） (2022-12-23T00:50:41Z)
• 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)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Understanding the Generalization of Adam in Learning Neural Networks with Proper Regularization [118.50301177912381]
  我々は,重力減衰グローバリゼーションにおいても,目的の異なる解に確実に異なる誤差で収束できることを示す。 凸と重み減衰正則化を用いると、Adamを含む任意の最適化アルゴリズムは同じ解に収束することを示す。
  論文  参考訳（メタデータ） (2021-08-25T17:58:21Z)
• Variational Feature Disentangling for Fine-Grained Few-Shot Classification [30.350307891161865]
  ファインファインショット認識はしばしば、新しいカテゴリのデータの不足を訓練する問題に悩まされる。 本稿では,未確認クラスのクラス内ばらつきを増大させ,少ショット分類性能を向上させることに焦点を当てる。
  論文  参考訳（メタデータ） (2020-10-07T08:13:42Z)
• Classification of Diabetic Retinopathy via Fundus Photography: Utilization of Deep Learning Approaches to Speed up Disease Detection [0.0]
  糖尿病網膜症分類問題に対する2つの解決策を提案する。 最初のアプローチでは、浅いニューラルネットワークアーキテクチャを導入します。 第2のアプローチでは、トランスファーラーニングを使用して、非常に深いニューラルネットワークの最後の修正されたレイヤを再トレーニングし、より頻度の低いクラスへのモデルの能力を改善する。
  論文  参考訳（メタデータ） (2020-07-18T17:11:20Z)
• Learning from Failure: Training Debiased Classifier from Biased Classifier [76.52804102765931]
  ニューラルネットワークは、所望の知識よりも学習が簡単である場合にのみ、素早い相関に依存することを学習していることを示す。 本稿では,一対のニューラルネットワークを同時にトレーニングすることで,障害に基づくデバイアス化手法を提案する。 本手法は,合成データセットと実世界のデータセットの両方において,各種バイアスに対するネットワークのトレーニングを大幅に改善する。
  論文  参考訳（メタデータ） (2020-07-06T07:20:29Z)
• Regularizing Class-wise Predictions via Self-knowledge Distillation [80.76254453115766]
  類似サンプル間の予測分布を解析する新しい正規化法を提案する。 これにより、単一のネットワークの暗黒知識(すなわち誤った予測に関する知識)を規則化する。 画像分類タスクにおける実験結果から, 単純だが強力な手法が一般化能力を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2020-03-31T06:03:51Z)

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。