論文の概要: Human Gender Prediction Based on Deep Transfer Learning from Panoramic Radiograph Images

• arxiv url: http://arxiv.org/abs/2205.09850v1
• Date: Thu, 19 May 2022 20:47:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-23 15:42:56.082570
• Title: Human Gender Prediction Based on Deep Transfer Learning from Panoramic Radiograph Images
• Title（参考訳）: パノラマX線画像からの深層移動学習に基づくジェンダー予測
• Authors: I. Atas
• Abstract要約: 本手法は,提案したDenseNet121深層学習モデルの学習の高速化と性能向上に有効である。 提案モデルは、性別分類において97.25%の成功率を達成することによって、他のアプローチよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Panoramic Dental Radiography (PDR) image processing is one of the most extensively used manual methods for gender determination in forensic medicine. Manual approaches require a wide range of mandibular parameter measurements in metric units. Besides being time-consuming, these methods also necessitate the employment of experienced professionals. In this context, deep learning models are widely utilized in the auto-analysis of radiological images nowadays, owing to their high processing speed, accuracy, and stability. In our study, a data set consisting of 24,000 dental panoramic images was prepared for binary classification, and the transfer learning method was used to accelerate the training and increase the performance of our proposed DenseNet121 deep learning model. With the transfer learning method, instead of starting the learning process from scratch, the existing patterns learned beforehand were used. Extensive comparisons were made using deep transfer learning (DTL) models VGG16, ResNet50, and EfficientNetB6 to assess the classification performance of the proposed model in PDR images. According to the findings of the comparative analysis, the proposed model outperformed the other approaches by achieving a success rate of 97.25% in gender classification.
• Abstract（参考訳）: パノラマ歯科x線撮影(pdr)画像処理は、法医学における性別決定に最も広く使われている手作業の方法の1つである。 手動のアプローチには、メートル法単位の広い範囲の下顎パラメータ測定が必要である。 時間を要するだけでなく、経験豊富な専門家の雇用も必要である。 この文脈では、深層学習モデルは、その高い処理速度、精度、安定性のために、現在、放射線画像の自動解析に広く利用されている。 本研究では,24,000枚の歯科用パノラマ画像からなるデータセットをバイナリ分類のために準備し,DenseNet121深層学習モデルの訓練を加速し,性能を向上させるために移動学習法を用いた。 転送学習法では,学習プロセスをスクラッチから始めるのではなく,事前に学習した既存のパターンを用いた。 深層移動学習(DTL)モデルVGG16,ResNet50,EfficientNetB6を用いて,提案モデルのPDR画像における分類性能の評価を行った。 比較分析の結果, 提案モデルは, 性別分類において97.25%の成功率を達成し, 他の手法よりも優れていた。

関連論文リスト

• Meta-Transfer Derm-Diagnosis: Exploring Few-Shot Learning and Transfer Learning for Skin Disease Classification in Long-Tail Distribution [1.8024397171920885]
  本研究は, エピソードおよび従来の訓練手法の利点と欠点を詳細に検討する。 最小限のラベル付き例で、我々のモデルは以前トレーニングされたモデルと比較して、かなりの情報獲得と性能向上を示した。 実験は, 最大10例の2方向から5方向の分類から, 従来の移動学習手法における成功率の増大を示した。
  論文  参考訳（メタデータ） (2024-04-25T17:56:45Z)
• Label-efficient Multi-organ Segmentation Method with Diffusion Model [6.413416851085592]
  我々は,CT画像における多臓器分割作業のための事前学習拡散モデルを用いたラベル効率の学習手法を提案する。 提案手法は, FLARE 2022データセットの最先端手法と比較して, 競合する多臓器セグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2024-02-23T09:25:57Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)
• Domain Generalization for Mammographic Image Analysis with Contrastive Learning [62.25104935889111]
  効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。 より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。 提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
  論文  参考訳（メタデータ） (2023-04-20T11:40:21Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Parotid Gland MR Image Segmentation Based on Contrastive Learning [0.0]
  トランスフォーマーに基づくコントラスト学習手法を用い,トランスフォーマー学習を用いたコントラスト学習ネットワークを革新的に訓練した。 改良されたDSCは89.60%、MPAは99.36%、MIoUは85.11%、HDは2.98だった。
  論文  参考訳（メタデータ） (2022-08-26T03:02:47Z)
• Improving a neural network model by explanation-guided training for glioma classification based on MRI data [0.0]
  解釈可能性の手法は、ディープラーニングモデルの意思決定プロセスに関する洞察を得るための一般的な方法となっている。 本稿では,LRP(Layer-wise Relevance propagation)技術を用いた説明誘導学習手法を提案する。 我々は,低次・高次グリオーマ分類問題に対する畳み込みニューラルネットワーク(CNN)モデルについて実験的に検証した。
  論文  参考訳（メタデータ） (2021-07-05T13:27:28Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)
• Deep Learning in Diabetic Foot Ulcers Detection: A Comprehensive Evaluation [14.227261503586599]
  本稿では、入賞チームが提案するディープラーニングに基づくアルゴリズムを比較し、DFUC 2020の結果を要約する。 最高の性能は、より高速なR-CNNの変種であるDeformable Convolutionから得られ、平均平均精度は0.6940、F1スコアは0.7434である。
  論文  参考訳（メタデータ） (2020-10-07T11:31:27Z)
• A New Mask R-CNN Based Method for Improved Landslide Detection [54.7905160534631]
  本稿では,Mask R-CNN機能を利用した地すべり検出手法を提案する。 地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。 提案アルゴリズムは丘陵地帯の土地利用計画立案者や政策立案者にとって潜在的に有用である。
  論文  参考訳（メタデータ） (2020-10-04T07:46:37Z)
• Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT Image Data [63.73263986460191]
  特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。 OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。 モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:43:01Z)

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。