論文の概要: 1D Convolutional neural networks and machine learning algorithms for
spectral data classification with a case study for Covid-19
- arxiv url: http://arxiv.org/abs/2301.10746v1
- Date: Tue, 24 Jan 2023 18:22:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-26 14:33:33.212608
- Title: 1D Convolutional neural networks and machine learning algorithms for
spectral data classification with a case study for Covid-19
- Title（参考訳）: スペクトルデータ分類のための1次元畳み込みニューラルネットワークと機械学習アルゴリズム : Covid-19のケーススタディ
- Authors: Breno Aguiar Krohling and Renato A Krohling
- Abstract要約: 本稿では1次元畳み込みニューラルネットワーク(1D-CNN)を提案する。
実験結果から,機械学習アルゴリズムや標準アルゴリズムよりも1D-CNNの方が優れた性能を示した。
- 参考スコア（独自算出の注目度）: 4.213427823201119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine and deep learning algorithms have increasingly been applied to solve
problems in various areas of knowledge. Among these areas, Chemometrics has
been benefited from the application of these algorithms in spectral data
analysis. Commonly, algorithms such as Support Vector Machines and Partial
Least Squares are applied to spectral datasets to perform classification and
regression tasks. In this paper, we present a 1D convolutional neural networks
(1D-CNN) to evaluate the effectiveness on spectral data obtained from
spectroscopy. In most cases, the spectrum signals are noisy and present overlap
among classes. Firstly, we perform extensive experiments including 1D-CNN
compared to machine learning algorithms and standard algorithms used in
Chemometrics on spectral data classification for the most known datasets
available in the literature. Next, spectral samples of the SARS-COV2 virus,
which causes the COVID-19, have recently been collected via spectroscopy was
used as a case study. Experimental results indicate superior performance of
1D-CNN over machine learning algorithms and standard algorithms, obtaining an
average accuracy of 96.5%, specificity of 98%, and sensitivity of 94%. The
promissing obtained results indicate the feasibility to use 1D-CNN in automated
systems to diagnose COVID-19 and other viral diseases in the future.
- Abstract（参考訳）: 機械学習とディープラーニングのアルゴリズムは、様々な分野の知識の問題解決にますます使われている。
これらの領域のうち、ケモメトリックスはスペクトルデータ解析におけるこれらのアルゴリズムの適用から恩恵を受けている。
一般的に、Support Vector MachinesやPartial Least Squaresといったアルゴリズムがスペクトルデータセットに適用され、分類や回帰処理が行われる。
本稿では,1次元畳み込みニューラルネットワーク (1d-cnn) を提案する。
ほとんどの場合、スペクトル信号は騒がしく、クラス間で重複している。
まず,1d-cnnを機械学習アルゴリズムやケモメトリックスで用いられる標準アルゴリズムと比較し,文献で利用可能な最も既知のデータセットのスペクトルデータ分類について広範な実験を行った。
次に、新型コロナウイルスの原因となるSARS-COV2ウイルスのスペクトルサンプルを、最近、分光分析によって収集した。
実験の結果、機械学習アルゴリズムや標準アルゴリズムよりも1d-cnnの方が優れた性能を示し、平均精度96.5%、特異性98%、感度94%を得た。
その結果,将来的には1d-cnnを自動システムで感染症などのウイルス疾患を診断できる可能性が示唆された。
関連論文リスト
- Local-to-Global Self-Supervised Representation Learning for Diabetic Retinopathy Grading [0.0]
本研究では,自己指導型学習と知識蒸留を用いた新しいハイブリッド学習モデルを提案する。
我々のアルゴリズムでは、自己教師型学習および知識蒸留モデルの中で初めて、テストデータセットがトレーニングデータセットよりも50%大きい。
類似の最先端モデルと比較すると,より高精度で効率的な表現空間が得られた。
論文 参考訳（メタデータ） (2024-10-01T15:19:16Z) - Machine learning based biomedical image processing for echocardiographic
images [0.0]
提案手法では,K-Nearest Neighbor (KNN) アルゴリズムを用いて医用画像のセグメンテーションを行う。
トレーニングされたニューラルネットワークは、エコー画像のグループで正常にテストされている。
論文 参考訳（メタデータ） (2023-03-16T06:23:43Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Spectral Complexity-scaled Generalization Bound of Complex-valued Neural
Networks [78.64167379726163]
本論文は,複素数値ニューラルネットワークの一般化を証明した最初の論文である。
複雑な値の畳み込みニューラルネットワークを異なるデータセット上でトレーニングして実験を行う。
論文 参考訳（メタデータ） (2021-12-07T03:25:25Z) - Deep Learning Based Classification of Unsegmented Phonocardiogram
Spectrograms Leveraging Transfer Learning [0.0]
心臓腫瘍は、聴診プロセス中に検出される最も一般的な異常です。
PCGデータセットは、PhystoNet/CinCとPASCAL(2011)の2種類があります。
本研究では,PhystoNetとPASCALデータセットの分類のための,新規で,より複雑で,比較的軽量なカスタムCNNモデルを提案する。
論文 参考訳（メタデータ） (2020-12-15T16:32:29Z) - COVID-CLNet: COVID-19 Detection with Compressive Deep Learning
Approaches [0.0]
本稿ではCTスキャン画像を用いたコンピュータ支援検出システムを提案する。
この強化されたディープラーニングネットワーク(CLNet)は、ディープラーニング(DL)ネットワークの実装に基づいている。
異なる圧縮方法で行われた実験は、新型コロナウイルス検出の有望な結果を示している。
論文 参考訳（メタデータ） (2020-12-03T19:56:48Z) - Deep Representational Similarity Learning for analyzing neural
signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。
DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文 参考訳（メタデータ） (2020-09-28T18:30:14Z) - 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) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - A Systematic Approach to Featurization for Cancer Drug Sensitivity
Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。
RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文 参考訳（メタデータ） (2020-04-30T20:42:17Z) - Binary and Multiclass Classifiers based on Multitaper Spectral Features
for Epilepsy Detection [1.721147796970279]
てんかんは脳波(EEG)で診断できる最も一般的な神経疾患の1つである
本稿では,二分分類と多クラス分類の2つの区別文脈にてんかん検出の新しい手法を提案する。
論文 参考訳（メタデータ） (2020-04-02T17:12:33Z)
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。