Fugu-MT 論文翻訳(概要): Is visual explanation with Grad-CAM more reliable for deeper neural networks? a case study with automatic pneumothorax diagnosis

論文の概要: Is visual explanation with Grad-CAM more reliable for deeper neural networks? a case study with automatic pneumothorax diagnosis

arxiv url: http://arxiv.org/abs/2308.15172v1
Date: Tue, 29 Aug 2023 09:54:30 GMT
ステータス: 処理完了
システム内更新日: 2023-08-30 14:50:06.752962
Title: Is visual explanation with Grad-CAM more reliable for deeper neural networks? a case study with automatic pneumothorax diagnosis
Title（参考訳）: Grad-CAMによる視覚的説明は、より深いニューラルネットワークに信頼性が高いか? 肺気胸自動診断の1例
Authors: Zirui Qiu, Hassan Rivaz, Yiming Xiao
Abstract要約: 勾配重み付きクラス活性化マッピング(Grad-CAM)は、コンピュータ支援診断における様々なディープラーニングモデルの推論過程の直感的な視覚的解釈を提供するために広く採用されている。本研究では,Grad-CAMの頑健性と,さまざまなディープラーニングモデルにおける有効性について検討する。以上の結果から,深部神経ネットワークは必ずしも気胸診断精度の向上に寄与しないことが明らかとなった。
参考スコア（独自算出の注目度）: 2.9749662195811655
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: While deep learning techniques have provided the state-of-the-art performance in various clinical tasks, explainability regarding their decision-making process can greatly enhance the credence of these methods for safer and quicker clinical adoption. With high flexibility, Gradient-weighted Class Activation Mapping (Grad-CAM) has been widely adopted to offer intuitive visual interpretation of various deep learning models' reasoning processes in computer-assisted diagnosis. However, despite the popularity of the technique, there is still a lack of systematic study on Grad-CAM's performance on different deep learning architectures. In this study, we investigate its robustness and effectiveness across different popular deep learning models, with a focus on the impact of the networks' depths and architecture types, by using a case study of automatic pneumothorax diagnosis in X-ray scans. Our results show that deeper neural networks do not necessarily contribute to a strong improvement of pneumothorax diagnosis accuracy, and the effectiveness of GradCAM also varies among different network architectures.
Abstract（参考訳）: 深層学習技術は様々な臨床課題において最先端のパフォーマンスを提供してきたが、意思決定プロセスに関する説明責任は、これらの手法の信頼性を大幅に向上させ、より安全かつ迅速な臨床導入を可能にしている。高柔軟性により、コンピュータ支援診断において様々なディープラーニングモデルの推論過程を直感的に解釈するために、勾配強調クラスアクティベーションマッピング(grad-cam)が広く採用されている。しかし、この技術の人気にもかかわらず、さまざまなディープラーニングアーキテクチャにおけるGrad-CAMのパフォーマンスに関する体系的な研究はいまだに欠けている。本研究では,x線スキャンにおける気胸自動診断のケーススタディを用いて,ネットワークの深さとアーキテクチャタイプの影響に着目し,さまざまなディープラーニングモデルにおけるその頑健性と有効性について検討した。以上の結果から,より深いニューラルネットワークは気胸診断精度の向上に必ずしも寄与せず,GradCAMの有効性もネットワークアーキテクチャによって異なることが明らかとなった。

関連論文リスト

Learned Image resizing with efficient training (LRET) facilitates improved performance of large-scale digital histopathology image classification models [0.0]
組織学的検査は腫瘍学の研究と診断において重要な役割を担っている。深層畳み込みニューラルネットワーク(DCNN)のトレーニングへの最近のアプローチは、最適下モデルの性能をもたらす。本稿では,従来の病理組織学分類モデルトレーニングの主な限界に対処する新しいアプローチを提案する。
論文参考訳（メタデータ） (2024-01-19T23:45:47Z)
Deep Residual CNN for Multi-Class Chest Infection Diagnosis [1.8204773850586642]
本研究は,胸部感染症のマルチクラス診断のためのディープ残留畳み込みニューラルネットワーク(CNN)の開発と評価について検討する。さまざまなソースから集約されたデータセット上でトレーニングされ、検証された実装モデルは、堅牢な全体的な精度93%を示した。
論文参考訳（メタデータ） (2023-11-17T10:05:10Z)
Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文参考訳（メタデータ） (2022-04-09T13:04:36Z)
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)
OncoPetNet: A Deep Learning based AI system for mitotic figure counting on H&E stained whole slide digital images in a large veterinary diagnostic lab setting [47.38796928990688]
OncoPetNetの開発において,複数の最先端ディープラーニング技術を用いて病理組織像分類と有糸体像検出を行った。提案システムは,14種類の癌に対して,ヒトのエキスパートベースラインと比較して,41例の有糸分裂計数性能を有意に向上させた。デプロイでは、2つのセンターで1日3,323枚のデジタル全スライド画像を処理する高スループット獣医診断サービスにおいて、効果的な0.27分/スライダー推論が達成された。
論文参考訳（メタデータ） (2021-08-17T20:01:33Z)
Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文参考訳（メタデータ） (2021-06-17T17:26:31Z)
Multi-Disease Detection in Retinal Imaging based on Ensembling Heterogeneous Deep Learning Models [0.0]
網膜イメージングのための革新的なマルチディセーゼ検出パイプラインを提案する。当社のパイプラインには、転送学習、クラス重み付け、リアルタイム画像増強、焦点損失利用などの最先端の戦略が含まれます。
論文参考訳（メタデータ） (2021-03-26T18:02:17Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
Learning Efficient, Explainable and Discriminative Representations for Pulmonary Nodules Classification [2.4565395352560895]
本研究では,効率的かつ(部分的に)説明可能な分類モデルの構築を目指す。我々は,3次元ネットワークアーキテクチャを高精度かつ高速なトレードオフで自動検索するために,ニューロンアーキテクチャサーチ(NAS)を用いる。推論段階では、予測精度とロバスト性を改善するために、多様なニューラルネットワークのアンサンブルを用いる。
論文参考訳（メタデータ） (2021-01-19T02:53:44Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
Neural Architecture Search For Fault Diagnosis [6.226564415963648]
ディープラーニングはビッグデータ処理に適しており、エンドツーエンドの故障診断システムを実現する強力な特徴抽出機能を備えている。ニューラルアーキテクチャサーチ(NAS)は急速に発展しており、ディープラーニングの次の方向性の1つになりつつある。本稿では,補強学習を用いたNAS法による断層診断手法を提案する。
論文参考訳（メタデータ） (2020-02-19T04:03:51Z)

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。