論文の概要: Enhancing Open-World Bacterial Raman Spectra Identification by Feature
Regularization for Improved Resilience against Unknown Classes
- arxiv url: http://arxiv.org/abs/2310.13723v1
- Date: Thu, 19 Oct 2023 17:19:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 05:47:56.919859
- Title: Enhancing Open-World Bacterial Raman Spectra Identification by Feature
Regularization for Improved Resilience against Unknown Classes
- Title(参考訳): 未知クラスに対する耐性向上のための特徴規則化によるオープンワールド細菌ラマンスペクトルの同定
- Authors: Yaroslav Balytskyi, Nataliia Kalashnyk, Inna Hubenko, Alina Balytska,
Kelly McNear
- Abstract要約: 従来のクローズドセット分類手法は、全ての試験サンプルが既知の病原体の1つに属すると仮定する。
ラマン分光法による病原体を同定する現在の最先端ニューラルネットワークは未知の入力に対して脆弱であることを示す。
我々はResNetアーキテクチャの新しいアンサンブルと、既存のクローズドワールド手法よりも優れたアテンションメカニズムを組み合わさった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The combination of Deep Learning techniques and Raman spectroscopy shows
great potential offering precise and prompt identification of pathogenic
bacteria in clinical settings. However, the traditional closed-set
classification approaches assume that all test samples belong to one of the
known pathogens, and their applicability is limited since the clinical
environment is inherently unpredictable and dynamic, unknown or emerging
pathogens may not be included in the available catalogs. We demonstrate that
the current state-of-the-art Neural Networks identifying pathogens through
Raman spectra are vulnerable to unknown inputs, resulting in an uncontrollable
false positive rate. To address this issue, first, we developed a novel
ensemble of ResNet architectures combined with the attention mechanism which
outperforms existing closed-world methods, achieving an accuracy of $87.8 \pm
0.1\%$ compared to the best available model's accuracy of $86.7 \pm 0.4\%$.
Second, through the integration of feature regularization by the Objectosphere
loss function, our model achieves both high accuracy in identifying known
pathogens from the catalog and effectively separates unknown samples
drastically reducing the false positive rate. Finally, the proposed feature
regularization method during training significantly enhances the performance of
out-of-distribution detectors during the inference phase improving the
reliability of the detection of unknown classes. Our novel algorithm for Raman
spectroscopy enables the detection of unknown, uncatalogued, and emerging
pathogens providing the flexibility to adapt to future pathogens that may
emerge, and has the potential to improve the reliability of Raman-based
solutions in dynamic operating environments where accuracy is critical, such as
public safety applications.
- Abstract(参考訳): ディープラーニング技術とラマン分光法の組み合わせは、臨床現場で病原細菌を正確かつ迅速に同定する大きな可能性を示している。
しかしながら、従来のクローズドセット分類アプローチでは、すべてのテストサンプルは既知の病原体に属しており、臨床環境は本質的に予測不能であり、動的で未知、または新興の病原体は利用可能なカタログに含まれない可能性があるため、その適用性は限られている。
ラマンスペクトルを通じて病原体を特定する現在の最先端のニューラルネットワークは、未知の入力に対して脆弱であり、制御不能な偽陽性率をもたらすことを実証する。
この問題に対処するため、我々はResNetアーキテクチャの新たなアンサンブルと既存のクローズドワールドメソッドよりも優れたアテンション機構を組み合わさり、最高のモデルでは8,6.7 pm 0.4 % の精度で8,7 pm 0.1 % の精度を達成した。
第2に, 対象球損失関数による特徴正規化の統合により, 既知の病原体をカタログから同定する精度が向上し, 未知のサンプルを効果的に分離し, 偽陽性率を大幅に低減する。
最後に, 学習中の特徴正規化手法により, 未知クラス検出の信頼性が向上し, 推定段階での分散検出性能が大幅に向上する。
提案するラマン分光法のアルゴリズムは, 将来の病原体に適応する柔軟性を提供する未知, 非触媒, 新興の病原体の検出を可能にし, 公共の安全利用など, 精度が重要な動的運用環境において, ラマン系ソリューションの信頼性を向上させる可能性を秘めている。
関連論文リスト
- Inadequacy of common stochastic neural networks for reliable clinical
decision support [0.4262974002462632]
医療意思決定におけるAIの普及は、倫理的および安全性に関する懸念から、いまだに妨げられている。
しかし、一般的なディープラーニングアプローチは、データシフトによる過信傾向にある。
本研究は臨床応用における信頼性について考察する。
論文 参考訳(メタデータ) (2024-01-24T18:49:30Z) - Surface-Enhanced Raman Spectroscopy and Transfer Learning Toward
Accurate Reconstruction of the Surgical Zone [0.9507070656654631]
我々は、健康な組織に埋め込まれた腫瘍の位置と境界を確実に特定できるロボットラマンシステムを開発した。
我々は10.2分で30×60mmの外科的部位を再建し,98.2%の精度でファントムの特徴を保存した。
論文 参考訳(メタデータ) (2024-01-16T20:47:19Z) - A Saliency-based Clustering Framework for Identifying Aberrant
Predictions [49.1574468325115]
本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。
本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。
本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
論文 参考訳(メタデータ) (2023-11-11T01:53:59Z) - Implicit regularization via soft ascent-descent [7.335712499936906]
最小限のトライアル・アンド・エラーで、より優れたオフサンプル一般化を実現する方法を示す。
我々は,軟弱化機構であるSoftADを提案し,下降重みが境界線を指差し,外れ値の影響を制限し,昇華・昇華効果を維持する。
私たちの経験的テストは、平面上の単純なバイナリ分類から、数百万のパラメータを持つニューラルネットワークを用いた画像分類まで様々です。
論文 参考訳(メタデータ) (2023-10-16T02:02:56Z) - ProtoASNet: Dynamic Prototypes for Inherently Interpretable and
Uncertainty-Aware Aortic Stenosis Classification in Echocardiography [4.908455453888849]
大動脈狭窄症(Aortic stenosis、AS)は、心臓弁弁疾患の1つで、適切な治療のために正確かつタイムリーな診断を必要とする。
現在の自動検出法のほとんどは、信頼性の低いブラックボックスモデルに依存しており、臨床応用を妨げている。
本稿では,Bmode心エコービデオから直接ASを検出するネットワークであるProtoASを提案する。
ProtoASNetは、それぞれの予測に対する解釈可能性と不確実性を提供する。
論文 参考訳(メタデータ) (2023-07-26T18:06:25Z) - Benchmarking common uncertainty estimation methods with
histopathological images under domain shift and label noise [62.997667081978825]
リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。
我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。
我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
論文 参考訳(メタデータ) (2023-01-03T11:34:36Z) - End-to-end cell recognition by point annotation [5.130998755172569]
本稿では,事前設定されたアンカーポイントに対して,直接回帰と分類を適用するエンドツーエンドフレームワークを提案する。
具体的には,低レベル特徴と高レベル意味論を同時に組み合わせたピラミッド型特徴集合戦略を提案する。
さらに,基本事実と予測点とを一致させて,マルチタスク学習フレームワークを適応させる最適化コスト関数を設計した。
論文 参考訳(メタデータ) (2022-07-01T02:44:58Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。
本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文 参考訳(メタデータ) (2020-12-05T17:30:35Z) - Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。
CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。
複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
論文 参考訳(メタデータ) (2020-08-12T06:23:49Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z)
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。