Fugu-MT 論文翻訳(概要): Acute Lymphoblastic Leukemia Detection Using Hypercomplex-Valued Convolutional Neural Networks

論文の概要: Acute Lymphoblastic Leukemia Detection Using Hypercomplex-Valued Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2205.13273v1
Date: Thu, 26 May 2022 11:16:34 GMT
ステータス: 処理完了
システム内更新日: 2022-05-28 01:03:49.079861
Title: Acute Lymphoblastic Leukemia Detection Using Hypercomplex-Valued Convolutional Neural Networks
Title（参考訳）: 高コンボリューションニューラルネットワークを用いた急性リンパ性白血病の検出
Authors: Guilherme Vieira and Marcos Eduardo Valle
Abstract要約: 8つの超複素数値畳み込みニューラルネットワーク(HvCNN)と実数値畳み込みニューラルネットワークを用いて分類タスクを行う。以上の結果から,HvCNNは実数値モデルよりも優れた性能を示し,パラメータの少ない精度を示す。
参考スコア（独自算出の注目度）: 1.3706331473063877
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper features convolutional neural networks defined on hypercomplex algebras applied to classify lymphocytes in blood smear digital microscopic images. Such classification is helpful for the diagnosis of acute lymphoblast leukemia (ALL), a type of blood cancer. We perform the classification task using eight hypercomplex-valued convolutional neural networks (HvCNNs) along with real-valued convolutional networks. Our results show that HvCNNs perform better than the real-valued model, showcasing higher accuracy with a much smaller number of parameters. Moreover, we found that HvCNNs based on Clifford algebras processing HSV-encoded images attained the highest observed accuracies. Precisely, our HvCNN yielded an average accuracy rate of 96.6% using the ALL-IDB2 dataset with a 50% train-test split, a value extremely close to the state-of-the-art models but using a much simpler architecture with significantly fewer parameters.
Abstract（参考訳）: 本稿では,超複素代数上で定義された畳み込みニューラルネットワークを用いて,血液スメアデジタル顕微鏡画像中のリンパ球を分類する。このような分類は、血液型である急性リンパ性白血病(ALL)の診断に有用である。 8つの超複素数値畳み込みニューラルネットワーク(HvCNN)と実数値畳み込みニューラルネットワークを用いて分類タスクを行う。以上の結果から,HvCNNは実数値モデルよりも優れた性能を示し,パラメータの少ない精度を示す。さらに,HSV符号化画像を処理するクリフォード代数に基づくHvCNNは,観測精度が最も高かった。正確には、我々のHvCNNは平均精度96.6%の精度で、all-IDB2データセットを50%の列車分割で使用し、その値は最先端のモデルに非常に近いが、パラメータが大幅に少ないより単純なアーキテクチャを使用した。

関連論文リスト

Advanced Hybrid Deep Learning Model for Enhanced Classification of Osteosarcoma Histopathology Images [0.0]
本研究は, 小児および思春期において最も多い骨癌である骨肉腫(OS)に焦点を当て, 腕と足の長い骨に影響を及ぼす。我々は、OSの診断精度を向上させるために、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を組み合わせた新しいハイブリッドモデルを提案する。このモデルは精度99.08%、精度99.10%、リコール99.28%、F1スコア99.23%を達成した。
論文参考訳（メタデータ） (2024-10-29T13:54:08Z)
Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文参考訳（メタデータ） (2023-08-04T01:19:32Z)
Stain Normalized Breast Histopathology Image Recognition using Convolutional Neural Networks for Cancer Detection [9.826027427965354]
近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。乳腺病理像の2値分類のためのCNNモデルについて検討した。我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
論文参考訳（メタデータ） (2022-01-04T03:09:40Z)
Quaternion-Valued Convolutional Neural Network Applied for Acute Lymphoblastic Leukemia Diagnosis [1.4174475093445233]
本稿では,医療用パターン認識タスクのための四元数評価畳み込みニューラルネットワークの応用について検討する。より正確には、末梢血スミア顕微鏡画像からリンパ芽細胞を分類するために、実測値と四重項値の畳み込みニューラルネットワークの性能を比較した。 4値の畳み込みニューラルネットワークは、対応する実値のネットワークよりも、あるいは類似した性能を達成したが、パラメータの34%しか使用しなかった。
論文参考訳（メタデータ） (2021-12-13T14:03:09Z)
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)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
Acute Lymphoblastic Leukemia Detection from Microscopic Images Using Weighted Ensemble of Convolutional Neural Networks [4.095759108304108]
本稿では,深層畳み込みニューラルネットワーク(cnns)を用いた顕微鏡細胞画像からの全検出タスクを自動化した。ネットワークのより優れた一般化を達成するために、様々なデータ拡張と前処理が組み込まれている。提案する重み付きアンサンブルモデルでは, アンサンブル候補のカッパ値を重みとして, 重み付きF1スコア88.6 %, バランス付き精度86.2 %, 予備試験セットのAUC0.941を出力した。
論文参考訳（メタデータ） (2021-05-09T18:58:48Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Evaluation of Big Data based CNN Models in Classification of Skin Lesions with Melanoma [7.919213739992465]
このアーキテクチャは、畳み込み型ニューラルネットワークに基づいており、新しいCNNモデルを用いて評価され、既存のCNNモデルの再訓練が行われた。最高の性能は、修正版のResNet-50畳み込みニューラルネットワークを93.89%の精度で再訓練することで達成された。
論文参考訳（メタデータ） (2020-07-10T15:39:32Z)

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。