論文の概要: A New Machine Learning Dataset of Bulldog Nostril Images for Stenosis Degree Classification

• arxiv url: http://arxiv.org/abs/2403.07132v1
• Date: Mon, 11 Mar 2024 20:02:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 23:44:32.348062
• Title: A New Machine Learning Dataset of Bulldog Nostril Images for Stenosis Degree Classification
• Title（参考訳）: 狭窄度分類のためのbulldog nostril画像の新しい機械学習データセット
• Authors: Gabriel Toshio Hirokawa Higa, Joyce Katiuccia Medeiros Ramos Carvalho, Paolo Brito Pascoalini Zanoni, Gisele Braziliano de Andrade, Hemerson Pistori
• Abstract要約: ブルドッグの鼻孔の190枚の画像からなる新しい注釈付きデータセットを提示する。 結節画像を用いて自動的に狭窄度を推定する手法として深層学習について検討した。
• 参考スコア（独自算出の注目度）: 0.3792473194193801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Brachycephaly, a conformation trait in some dog breeds, causes BOAS, a respiratory disorder that affects the health and welfare of the dogs with various symptoms. In this paper, a new annotated dataset composed of 190 images of bulldogs' nostrils is presented. Three degrees of stenosis are approximately equally represented in the dataset: mild, moderate and severe stenosis. The dataset also comprises a small quantity of non stenotic nostril images. To the best of our knowledge, this is the first image dataset addressing this problem. Furthermore, deep learning is investigated as an alternative to automatically infer stenosis degree using nostril images. In this work, several neural networks were tested: ResNet50, MobileNetV3, DenseNet201, SwinV2 and MaxViT. For this evaluation, the problem was modeled in two different ways: first, as a three-class classification problem (mild or open, moderate, and severe); second, as a binary classification problem, with severe stenosis as target. For the multiclass classification, a maximum median f-score of 53.77\% was achieved by the MobileNetV3. For binary classification, a maximum median f-score of 72.08\% has been reached by ResNet50, indicating that the problem is challenging but possibly tractable.
• Abstract（参考訳）: いくつかの犬種のコンフォーメーション特性であるブラキ脳症は、様々な症状を持つ犬の健康と福祉に影響を与える呼吸障害であるBOASを引き起こす。 本稿では,ブルドッグの鼻孔の190枚の画像からなる新しい注釈付きデータセットを提案する。 3度の狭窄がデータセットでほぼ等しく表現されている:軽度、中等度、重度の狭窄である。 データセットはまた、少量の非狭窄性鼻腔像を含む。 私たちの知る限りでは、この問題に対処する最初のイメージデータセットです。 さらに,nostril画像を用いて狭窄度を自動的に推定する方法として深層学習について検討した。 本研究では、resnet50, mobilenetv3, densenet201, swinv2, maxvitなどのニューラルネットワークをテストした。 この評価では,まず3段階の分類問題(軽度,中等度,重度),2段階の分類問題,重度狭窄を対象とする2段階の分類問題としてモデル化した。 マルチクラス分類では、mobilenetv3 によって最大中央値 f-score 53.77\% が達成された。 バイナリ分類では、72.08\%の最大中央値f-scoreがresnet50によって達成されており、この問題は困難であるがおそらく扱いやすいことを示している。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Fine-Grained Classification for Poisonous Fungi Identification with Transfer Learning [0.0]
  FungiCLEF 2024は、真菌種のきめ細かい視覚分類(FGVC)に対処する。 提案手法は,試験後評価において,最高トラック3スコア (0.345), 精度 (78.4%), マクロF1スコア (0.577) を達成した。
  論文  参考訳（メタデータ） (2024-07-10T09:24:50Z)
• AnoMalNet: Outlier Detection based Malaria Cell Image Classification Method Leveraging Deep Autoencoder [0.0]
  クラス不均衡の最も極端な場合にも対応できる,オフレイヤ検出に基づくバイナリ医用画像分類手法を提案する。 AnoMalNetという名前のオートエンコーダモデルは、最初は感染していない細胞イメージのみで訓練されている。 精度、精度、リコール、F1スコアはそれぞれ98.49%、97.07%、100%、98.52%に達した。
  論文  参考訳（メタデータ） (2023-03-10T08:49:31Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• High performing ensemble of convolutional neural networks for insect pest image detection [124.23179560022761]
  害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。 我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。 ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-28T00:49:11Z)
• COVID-VIT: Classification of COVID-19 from CT chest images based on vision transformer models [0.8594140167290099]
  この論文は、CT肺画像に基づいて、非COVIDからCOVIDを分類するMIA-COV19の課題に対応している。 主な目的は、胸部X線写真から新型コロナウイルスの診断を予測することである。 注目モデルに基づく視覚変換器(ViT)と従来の畳み込みニューラルネットワーク(CNN)に基づくDenseNetの2つのディープラーニング手法について検討した。
  論文  参考訳（メタデータ） (2021-07-04T16:55:51Z)
• RA-GCN: Graph Convolutional Network for Disease Prediction Problems with Imbalanced Data [47.00510780034136]
  クラス不均衡は疾患予測の分野でよく知られた問題である。 本稿では,グラフベースの分類器の性能を高めるために,Re-weighted Adversarial Graph Convolutional Network (RA-GCN)を提案する。 本研究では,ra-gcnの合成および3種類の医療用データセットに対する優越性を示す。
  論文  参考訳（メタデータ） (2021-02-27T14:06:27Z)
• An anatomically-informed 3D CNN for brain aneurysm classification with weak labels [0.2010294990327175]
  弱いラベルを持つパッチワイドバイナリ分類として脳動脈瘤検出の課題に対処する。 当社のアプローチは,データセット生成の非自明な課題に端を発しています。 本稿では,マルチスケール・マルチインプット3D畳み込みニューラルネットワークを用いた新しい解剖学的手法を提案する。
  論文  参考訳（メタデータ） (2020-11-27T08:00:54Z)
• A Deep Learning Study on Osteosarcoma Detection from Histological Images [6.341765152919201]
  最も一般的な悪性骨腫瘍は骨肉腫である。 CNNは、外科医の作業量を著しく減らし、患者の状態の予後を良くする。 CNNは、より信頼できるパフォーマンスを達成するために、大量のデータをトレーニングする必要があります。
  論文  参考訳（メタデータ） (2020-11-02T18:16:17Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。