論文の概要: The Forward-Forward Algorithm as a feature extractor for skin lesion
classification: A preliminary study
- arxiv url: http://arxiv.org/abs/2307.00617v1
- Date: Sun, 2 Jul 2023 17:01:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 15:06:31.415799
- Title: The Forward-Forward Algorithm as a feature extractor for skin lesion
classification: A preliminary study
- Title(参考訳): 皮膚病変分類のための特徴抽出器としての前方アルゴリズム:予備的検討
- Authors: Abel Reyes-Angulo and Sidike Paheding
- Abstract要約: 皮膚がんは米国では23%の生存率を示し、診断は遅れている。
ディープラーニング技術は、臨床意思決定自動化に革命をもたらした。
本研究では、バックプロパゲーション(BP)を必要としない新しいタイプのニューラルネットワークを探索する。
FFAは非常に低消費電力のアナログハードウェアを使用していると主張されているが、BPは分類精度の点で優れている傾向にある。
- 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: Skin cancer, a deadly form of cancer, exhibits a 23\% survival rate in the
USA with late diagnosis. Early detection can significantly increase the
survival rate, and facilitate timely treatment. Accurate biomedical image
classification is vital in medical analysis, aiding clinicians in disease
diagnosis and treatment. Deep learning (DL) techniques, such as convolutional
neural networks and transformers, have revolutionized clinical decision-making
automation. However, computational cost and hardware constraints limit the
implementation of state-of-the-art DL architectures. In this work, we explore a
new type of neural network that does not need backpropagation (BP), namely the
Forward-Forward Algorithm (FFA), for skin lesion classification. While FFA is
claimed to use very low-power analog hardware, BP still tends to be superior in
terms of classification accuracy. In addition, our experimental results suggest
that the combination of FFA and BP can be a better alternative to achieve a
more accurate prediction.
- Abstract(参考訳): 皮膚がんは致命的ながんであり、米国では23倍の生存率を示し、診断は遅れている。
早期発見は生存率を大幅に増加させ、適時治療を容易にする。
正確なバイオメディカルイメージの分類は医療分析において不可欠であり、臨床医の疾患の診断と治療を支援する。
畳み込みニューラルネットワークやトランスフォーマーなどのディープラーニング(DL)技術は、臨床意思決定自動化に革命をもたらした。
しかし、計算コストとハードウェアの制約は最先端のDLアーキテクチャの実装を制限する。
本研究では,皮膚病変の分類を行うために,バックプロパゲーション(BP)を必要としない新しいタイプのニューラルネットワーク,すなわちフォワードフォワードアルゴリズム(FFA)を提案する。
FFAは非常に低消費電力のアナログハードウェアを使用しているとされているが、BPは分類精度の点で優れている傾向にある。
さらに, 実験結果から, FFAとBPの組み合わせは, より正確な予測を行うためのより良い代替となる可能性が示唆された。
関連論文リスト
- An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。
ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文 参考訳(メタデータ) (2023-05-30T13:14:03Z) - Fully transformer-based biomarker prediction from colorectal cancer
histology: a large-scale multicentric study [1.0424274317527076]
ディープラーニングは、大腸癌の定期的な病態スライドから予測的および予後的バイオマーカーを抽出することができる。
トランスフォーマーネットワークはCNNよりも優れており、多くのアプリケーションで置き換えられているが、がんにおけるバイオマーカーの予測には使われていない。
本研究では,病的スライドからエンド・ツー・エンドのバイオマーカーを予測するための完全トランスフォーマーベースのパイプラインを開発した。
論文 参考訳(メタデータ) (2023-01-23T18:33:38Z) - SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for
Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。
皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。
本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2022-03-22T06:54:29Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-24T18:58:40Z) - Segmentation and ABCD rule extraction for skin tumors classification [0.0]
悪性皮膚病変を鑑別するために臨床診断に用いたABCDルールに基づく自動診断システムを提案する。
このフレームワークは320枚の画像の皮膚科データベース [16] でテストされている。
論文 参考訳(メタデータ) (2021-06-08T14:07:59Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳(メタデータ) (2021-06-04T09:51:27Z) - 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) - A hybrid machine learning/deep learning COVID-19 severity predictive
model from CT images and clinical data [0.0]
患者を非icuとicuの2つのカテゴリーに分類するハイブリッド機械学習/深層学習モデルを開発した。
ベースラインCT画像の3次元患者レベルのCNN分類器を特徴抽出器として用いる。
本モデルは,臨床診断を医師に提供し,結果クラスに属する確率スコアと特徴のケースベースSHAPによる解釈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) (2021-05-13T08:39:56Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - Uncertainty-driven ensembles of deep architectures for multiclass
classification. Application to COVID-19 diagnosis in chest X-ray images [8.103053617559748]
最近の新型コロナウイルスのパンデミックは、肺炎の診断を自動化するシステムの開発システムの必要性を示している。
CNNは、医療画像の自動分類に優れた選択肢であることが証明されている。
ベイズ深層学習に基づく多段階アンサンブル分類システムを提案する。
論文 参考訳(メタデータ) (2020-11-27T14:06:25Z)
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。