論文の概要: AutoMO-Mixer: An automated multi-objective Mixer model for balanced, safe and robust prediction in medicine

• arxiv url: http://arxiv.org/abs/2203.02384v1
• Date: Fri, 4 Mar 2022 15:41:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-07 14:49:54.422344
• Title: AutoMO-Mixer: An automated multi-objective Mixer model for balanced, safe and robust prediction in medicine
• Title（参考訳）: AutoMO-Mixer:医療におけるバランス、安全、堅牢な予測のための自動多目的ミキサーモデル
• Authors: Xi Chen, Jiahuan Lv, Dehua Feng, Xuanqin Mou, Ling Bai, Shu Zhang, Zhiguo Zhou
• Abstract要約: 画像ガイドによる診断と治療には、より信頼性の高いAIモデルが必要である。 自動多目的混合機(AutoMO-Mixer)と呼ばれる新しい統一モデルを開発した。 データセットの実験では、AutoMO-Mixerがより安全でバランスよく、堅牢な結果を得ることができることが示された。
• 参考スコア（独自算出の注目度）: 10.975325946806132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately identifying patient's status through medical images plays an important role in diagnosis and treatment. Artificial intelligence (AI), especially the deep learning, has achieved great success in many fields. However, more reliable AI model is needed in image guided diagnosis and therapy. To achieve this goal, developing a balanced, safe and robust model with a unified framework is desirable. In this study, a new unified model termed as automated multi-objective Mixer (AutoMO-Mixer) model was developed, which utilized a recent developed multiple layer perceptron Mixer (MLP-Mixer) as base. To build a balanced model, sensitivity and specificity were considered as the objective functions simultaneously in training stage. Meanwhile, a new evidential reasoning based on entropy was developed to achieve a safe and robust model in testing stage. The experiment on an optical coherence tomography dataset demonstrated that AutoMO-Mixer can obtain safer, more balanced, and robust results compared with MLP-Mixer and other available models.
• Abstract（参考訳）: 診断と治療において、医療画像による患者の状況を正確に特定することが重要な役割を担っている。 人工知能(AI)、特にディープラーニングは、多くの分野で大きな成功を収めています。 しかし、画像誘導診断と治療にはより信頼性の高いaiモデルが必要である。 この目標を達成するには、統一されたフレームワークでバランスよく安全で堅牢なモデルを開発することが望ましい。 本研究では,MLP-Mixerをベースとして,多層パーセプトロンミキサー(MLP-Mixer)をベースとして,自動多目的ミキサー(AutoMO-Mixer)モデルと呼ばれる新しい統一モデルを開発した。 バランスの取れたモデルを構築するために, 訓練段階において, 感度と特異性を同時に目的関数として検討した。 一方、エントロピーに基づく新たな明らかな推論は、テスト段階で安全で堅牢なモデルを実現するために開発された。 光コヒーレンストモグラフィーデータセットの実験では、AutoMO-Mixerは、MLP-Mixerや他の利用可能なモデルと比較して、より安全でバランスの取れた、堅牢な結果を得ることができることを示した。

関連論文リスト

• A Multi-Level Corroborative Approach for Verification and Validation of Autonomous Robotic Swarms [0.9937570340630559]
  本稿では,自律型ロボット群を形式的に検証し,検証するための総合的マルチレベルモデリング手法を提案する。 検証に用いた我々の形式的マクロモデルでは,実際のシミュレーションから得られたデータによって特徴付けられる。 我々の研究は、実際のロボットを含む実験的な検証とフォーマルな検証を組み合わせる。
  論文  参考訳（メタデータ） (2024-07-22T08:40:05Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Hybrid modeling of the human cardiovascular system using NeuralFMUs [0.0]
  ハイブリッドなモデリングプロセスは、より快適で、システム知識を必要とせず、第一原理に基づくモデリングに比べてエラーの少ないことが示される。 結果として得られたハイブリッドモデルは、純粋な第一原理のホワイトボックスモデルに比べて計算性能が向上した。 考慮されたユースケースは、医療領域内外における他のモデリングおよびシミュレーションアプリケーションの例として機能する。
  論文  参考訳（メタデータ） (2021-09-10T13:48:43Z)
• KNODE-MPC: A Knowledge-based Data-driven Predictive Control Framework for Aerial Robots [5.897728689802829]
  我々は、知識に基づくニューラル常微分方程式(KNODE)というディープラーニングツールを用いて、第一原理から得られたモデルを拡張する。 得られたハイブリッドモデルは、名目上の第一原理モデルと、シミュレーションまたは実世界の実験データから学習したニューラルネットワークの両方を含む。 閉ループ性能を改善するため、ハイブリッドモデルはKNODE-MPCとして知られる新しいMPCフレームワークに統合される。
  論文  参考訳（メタデータ） (2021-09-10T12:09:18Z)
• Model-based micro-data reinforcement learning: what are the crucial model properties and which model to choose? [0.2836066255205732]
  我々は,マイクロデータモデルに基づく強化学習(MBRL)に寄与する。 マルチモーダルな後続予測を必要とする環境では、混合密度ネットは他のモデルよりも大きなマージンで優れていることがわかった。 また、決定論的モデルは同等であり、実際、確率論的モデルよりも一貫して(非目立ったことではないが)優れていることも見出した。
  論文  参考訳（メタデータ） (2021-07-24T11:38:25Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。