論文の概要: A survey on attention mechanisms for medical applications: are we moving
towards better algorithms?
- arxiv url: http://arxiv.org/abs/2204.12406v1
- Date: Tue, 26 Apr 2022 16:04:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 15:51:15.187822
- Title: A survey on attention mechanisms for medical applications: are we moving
towards better algorithms?
- Title（参考訳）: 医療用アテンションメカニズムに関する調査:より良いアルゴリズムに向かっているか?
- Authors: Tiago Gon\c{c}alves, Isabel Rio-Torto, Lu\'is F. Teixeira, Jaime S.
Cardoso
- Abstract要約: 本稿では,機械学習における注意機構の応用について概説する。
文献で提示される注意機構の主張と可能性に関する批判的分析を提案する。
これらの枠組みの恩恵を受ける可能性のある医学応用の今後の研究線を提案する。
- 参考スコア（独自算出の注目度）: 2.8101673772585736
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The increasing popularity of attention mechanisms in deep learning algorithms
for computer vision and natural language processing made these models
attractive to other research domains. In healthcare, there is a strong need for
tools that may improve the routines of the clinicians and the patients.
Naturally, the use of attention-based algorithms for medical applications
occurred smoothly. However, being healthcare a domain that depends on
high-stake decisions, the scientific community must ponder if these
high-performing algorithms fit the needs of medical applications. With this
motto, this paper extensively reviews the use of attention mechanisms in
machine learning (including Transformers) for several medical applications.
This work distinguishes itself from its predecessors by proposing a critical
analysis of the claims and potentialities of attention mechanisms presented in
the literature through an experimental case study on medical image
classification with three different use cases. These experiments focus on the
integrating process of attention mechanisms into established deep learning
architectures, the analysis of their predictive power, and a visual assessment
of their saliency maps generated by post-hoc explanation methods. This paper
concludes with a critical analysis of the claims and potentialities presented
in the literature about attention mechanisms and proposes future research lines
in medical applications that may benefit from these frameworks.
- Abstract（参考訳）: コンピュータビジョンと自然言語処理のためのディープラーニングアルゴリズムにおける注意機構の普及により、これらのモデルは他の研究領域に魅力的なものとなった。
医療においては、臨床医や患者のルーチンを改善するツールが強く求められている。
当然、医療応用における注意に基づくアルゴリズムの使用は円滑に行われた。
しかし、医療は高い意思決定に依存する領域であり、これらの高いパフォーマンスのアルゴリズムが医療応用のニーズに適合するかどうか、科学界は考慮しなければならない。
本モットーは,機械学習における注意機構(トランスフォーマーを含む)の医療への応用を概観するものである。
本研究は,3つの異なるユースケースを用いた医用画像分類の実験的ケーススタディを通じて,文献に提示される注意機構の主張と可能性について批判的な分析を行った。
これらの実験は、注意機構の確立したディープラーニングアーキテクチャへの統合プロセス、その予測力の分析、ポストホックな説明手法によって生成されたサリエンシーマップの視覚的評価に焦点を当てている。
本稿では,注意メカニズムに関する文献に提示される主張と可能性について批判的な分析を行い,これらの枠組みの恩恵を受ける医療応用における今後の研究線を提案する。
関連論文リスト
- Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。
再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。
本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
論文 参考訳（メタデータ） (2024-11-03T18:01:50Z) - Exploration of Attention Mechanism-Enhanced Deep Learning Models in the Mining of Medical Textual Data [3.22071437711162]
本研究では,医療用テキストマイニングにおける注意機構を利用した深層学習モデルの利用について検討した。
本研究の目的は、深層学習と注意機構を取り入れることで、本質的な医療情報を特定する能力を高めることである。
論文 参考訳（メタデータ） (2024-05-23T00:20:14Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Tracking and Mapping in Medical Computer Vision: A Review [23.28261994515735]
コンピュータビジョンアルゴリズムの能力が向上するにつれて、臨床システムにおけるその応用はより広まりつつある。
これらの応用には、大腸内視鏡や気管支内視鏡などの診断、生検の導出、侵襲的介入の最小化、手術などがある。
これらのアプリケーションの多くは、医療シーンの視覚的特性に依存しており、この環境での実行には設計アルゴリズムが必要である。
論文 参考訳（メタデータ） (2023-10-17T03:36:28Z) - Attention Mechanisms in Medical Image Segmentation: A Survey [41.093501592520326]
本稿では,注意機構の基本原理とその医用画像分割への応用を体系的に検討する。
医用画像のセグメンテーションに関する300以上の記事を調査し,その注意機構,非変圧器の注意,変圧器の注意に基づいて2つのグループに分けた。
論文 参考訳（メタデータ） (2023-05-29T08:00:54Z) - Studying the Effects of Self-Attention for Medical Image Analysis [42.12044020360494]
複数の医用画像解析タスクにおける最先端の自己認識機構の比較を行った。
我々は,医療用コンピュータビジョンタスクにおける自己注意の効果について,より深く理解することを目的としている。
論文 参考訳（メタデータ） (2021-09-02T07:07:16Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳（メタデータ） (2020-10-14T16:34:21Z) - Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
我々はメカニズムの知識ベース(KB)の構築を追求する。
我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。
実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
論文 参考訳（メタデータ） (2020-10-08T07:54:14Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Machine learning-based clinical prediction modeling -- A practical guide
for clinicians [0.0]
機械学習や人工知能に関連する原稿の数は、ここ数年で指数関数的に増えている。
第1節では、機械学習の一般的な原理について解説する。
さらに,再サンプリング,オーバーフィッティング,モデル一般化性の重要性とモデル評価戦略を概観する。
論文 参考訳（メタデータ） (2020-06-23T20:11:37Z)
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。