Fugu-MT 論文翻訳(概要): Deep Learning for Medical Imaging From Diagnosis Prediction to its Counterfactual Explanation

論文の概要: Deep Learning for Medical Imaging From Diagnosis Prediction to its Counterfactual Explanation

arxiv url: http://arxiv.org/abs/2209.02929v1
Date: Wed, 7 Sep 2022 04:44:56 GMT
ステータス: 処理完了
システム内更新日: 2022-09-08 13:02:22.847659
Title: Deep Learning for Medical Imaging From Diagnosis Prediction to its Counterfactual Explanation
Title（参考訳）: 診断予測から非現実的説明へ向けた医用画像の深層学習
Authors: Sumedha Singla
Abstract要約: ディープニューラルネットワーク(DNN)はコンピュータビジョンタスクにおいて前例のない性能を達成した。この論文は、医療画像の領域固有の制約をモデルと説明設計に統合する新しいアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Deep neural networks (DNN) have achieved unprecedented performance in computer-vision tasks almost ubiquitously in business, technology, and science. While substantial efforts are made to engineer highly accurate architectures and provide usable model explanations, most state-of-the-art approaches are first designed for natural vision and then translated to the medical domain. This dissertation seeks to address this gap by proposing novel architectures that integrate the domain-specific constraints of medical imaging into the DNN model and explanation design.
Abstract（参考訳）: ディープニューラルネットワーク(DNN)は、ほぼ至るところでビジネス、技術、科学におけるコンピュータビジョンタスクにおいて、前例のないパフォーマンスを達成した。高精度なアーキテクチャを設計し、使用可能なモデル説明を提供するためにかなりの努力がなされているが、ほとんどの最先端のアプローチは最初、自然視のために設計され、次に医療領域に翻訳される。この論文は、DNNモデルと説明設計に医療画像の領域固有の制約を統合する新しいアーキテクチャを提案することで、このギャップに対処しようとしている。

関連論文リスト

EG-SpikeFormer: Eye-Gaze Guided Transformer on Spiking Neural Networks for Medical Image Analysis [32.59232529143777]
医用画像の診断関連領域に注意を向けるために、眼球データを含む臨床作業に適したSNNアーキテクチャであるEG-SpikeFormerを紹介する。提案手法は,特に臨床データに制限があり,信頼性,汎用性,透明性が要求されるシナリオにおいて,従来のモデルでよく見られるショートカット学習の問題に効果的に対処する。我々のEG-SpikeFormerは、医療画像予測タスクにおいて優れたエネルギー効率と性能を示すだけでなく、マルチモーダル情報アライメントによる臨床関連性を高める。
論文参考訳（メタデータ） (2024-10-12T23:54:44Z)
Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文参考訳（メタデータ） (2024-02-20T15:23:24Z)
Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions [48.0590120095748]
本稿では,多様な入力モダリティと融合戦略を符号化する最適なモデルアーキテクチャを自動検索する,AutoFMという新しいニューラルネットワーク探索フレームワークを提案する。我々は実世界のマルチモーダルEHRデータと予測タスクについて徹底的な実験を行い、その結果、我々のフレームワークが既存の最先端手法よりも大幅な性能向上を実現していることを示す。
論文参考訳（メタデータ） (2024-01-20T15:14:14Z)
Artificial General Intelligence for Medical Imaging Analysis [92.3940918983821]
大規模人工知能(AGI)モデルは、様々な汎用ドメインタスクにおいて前例のない成功を収めた。これらのモデルは、医学分野固有の複雑さとユニークな特徴から生じる顕著な課題に直面している。このレビューは、医療画像、医療などにおけるAGIの将来的な意味についての洞察を提供することを目的としている。
論文参考訳（メタデータ） (2023-06-08T18:04:13Z)
Exploring the Power of Generative Deep Learning for Image-to-Image Translation and MRI Reconstruction: A Cross-Domain Review [0.0]
本研究は,自然画像領域と医用画像領域における画像から画像への変換と再構成に使用される深層学習手法について分析する。自然コンピュータビジョンの分野では、様々なディープラーニング生成モデルの開発と拡張について検討する。本稿では, 医用画像翻訳, MRI再構成, マルチコントラストMRI合成などの医療画像生成問題に対する深層学習の可能性について検討する。
論文参考訳（メタデータ） (2023-03-16T00:56:30Z)
From paintbrush to pixel: A review of deep neural networks in AI-generated art [0.0]
本稿では,AI生成技術開発に利用されてきた深層ニューラルネットワークアーキテクチャとモデルについて検討する。古典的畳み込みネットワークから最先端拡散モデルまで、この分野のキープレーヤーについて検討する。この論文は、AI生成技術の現状に関する技術的な説明と洞察の独特なブレンドによって、アートとコンピュータ科学の相互作用を実証する。
論文参考訳（メタデータ） (2023-02-14T16:58:32Z)
Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。 NASはコンピュータビジョンの幅広い問題に適用されている。
論文参考訳（メタデータ） (2022-02-15T08:06:50Z)
InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文参考訳（メタデータ） (2021-12-23T15:52:37Z)
Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文参考訳（メタデータ） (2021-05-27T18:05:12Z)
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)
Evolutionary Neural Architecture Search for Retinal Vessel Segmentation [2.0159253466233222]
網膜血管分割のためのエンコーダデコーダアーキテクチャを最適化するために、ニューラルアーキテクチャサーチ(NAS)を適用した新しいアプローチを提案する。修正された進化的アルゴリズムは、限られた計算資源を持つエンコーダ・デコーダフレームワークのアーキテクチャの進化に使用される。クロストレーニングの結果、進化したモデルには相当な拡張性があり、臨床疾患の診断に大きな可能性があることが示唆された。
論文参考訳（メタデータ） (2020-01-18T15:07:26Z)

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。