論文の概要: Automated Bi-Fold Weighted Ensemble Algorithms and its Application to Brain Tumor Detection and Classification
- arxiv url: http://arxiv.org/abs/2404.00576v1
- Date: Sun, 31 Mar 2024 06:38:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 02:50:30.204986
- Title: Automated Bi-Fold Weighted Ensemble Algorithms and its Application to Brain Tumor Detection and Classification
- Title（参考訳）: 自動バイフォールド重み付きアンサンブルアルゴリズムとその脳腫瘍検出・分類への応用
- Authors: PoTsang B. Huang, Muhammad Rizwan, Mehboob Ali,
- Abstract要約: 脳腫瘍は、特に第三世界の国々において重大な課題を引き起こす。
早期診断は、脳腫瘍を効果的に管理し、死亡率を下げる上で重要な役割を担っている。
重み付きアンサンブル法の有効性を高めることを目的とした2つの短辺二重み付き投票アンサンブルモデルを提案する。
- 参考スコア（独自算出の注目度）: 0.3413711585591077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The uncontrolled and unstructured growth of brain cells is known as brain tumor, which has one of the highest mortality rates among diseases from all types of cancers. Due to limited diagnostic and treatment capabilities, they pose significant challenges, especially in third-world countries. Early diagnosis plays a vital role in effectively managing brain tumors and reducing mortality rates. However, the availability of diagnostic methods is hindered by various limitations, including high costs and lengthy result acquisition times, impeding early detection of the disease. In this study, we present two cutting-edge bi-fold weighted voting ensemble models that aim to boost the effectiveness of weighted ensemble methods. These two proposed methods combine the classification outcomes from multiple classifiers and determine the optimal result by selecting the one with the highest probability in the first approach, and the highest weighted prediction in the second technique. These approaches significantly improve the overall performance of weighted ensemble techniques. In the first proposed method, we improve the soft voting technique (SVT) by introducing a novel unsupervised weight calculating schema (UWCS) to enhance its weight assigning capability, known as the extended soft voting technique (ESVT). Secondly, we propose a novel weighted method (NWM) by using the proposed UWCS. Both of our approaches incorporate three distinct models: a custom-built CNN, VGG-16, and InceptionResNetV2 which has been trained on publicly available datasets. The effectiveness of our proposed systems is evaluated through blind testing, where exceptional results are achieved. We then establish a comparative analysis of the performance of our proposed methods with that of SVT to show their superiority and effectiveness.
- Abstract（参考訳）: 脳細胞の無制御・非構造成長は脳腫瘍と呼ばれ、あらゆる種類のがんで最も死亡率の高い疾患の1つである。
診断能力と治療能力が限られているため、特に第三世界の国々では大きな課題が生じる。
早期診断は、脳腫瘍を効果的に管理し、死亡率を下げる上で重要な役割を担っている。
しかし、診断方法の可用性は、高いコストや長い結果取得時間など、様々な制限により妨げられ、早期発見の妨げとなる。
本研究では,重み付きアンサンブル法の有効性を高めることを目的とした,最先端の2重み付き2重み付き投票アンサンブルモデルについて述べる。
これら2つの手法は、複数の分類器の分類結果と、第1の手法で最も高い確率の分類結果と第2の手法で最も高い重み付き予測値を選択することによって最適な結果を決定する。
これらのアプローチは、重み付けアンサンブル技術全体の性能を著しく向上させた。
提案手法では, 拡張ソフト投票法 (ESVT) と呼ばれる重み付け能力を高めるために, 新たにUnsupervised weight calculated schema (UWCS) を導入することで, ソフト投票法(SVT) の改良を行う。
次に,提案するUWCSを用いて,新しい重み付き手法(NWM)を提案する。
どちらも、カスタムビルドのCNN、VGG-16、InceptionResNetV2の3つの異なるモデルを採用しています。
提案システムの有効性は,異常な結果が得られたブラインドテストによって評価される。
次に,提案手法とSVTの性能の比較分析を行い,その優位性と有効性を示す。
関連論文リスト
- Enhanced Deep Learning Methodologies and MRI Selection Techniques for Dementia Diagnosis in the Elderly Population [5.103059984821972]
3次元脳磁気共鳴画像(MRI)による認知症・非認知症高齢者の分類法を提案する。
提案手法は,MRIスライスを選択的に処理し,最も関連性の高い脳領域に着目し,少ない情報領域を除外するユニークな手法である。
この方法論は、3つのカスタムディープラーニングモデルからなる信頼に基づく分類委員会によって補完される。
論文 参考訳（メタデータ） (2024-07-24T14:48:40Z) - Two new feature selection methods based on learn-heuristic techniques for breast cancer prediction: A comprehensive analysis [6.796017024594715]
帝国主義競争アルゴリズム(ICA)とバットアルゴリズム(BA)に基づく2つの新しい特徴選択法を提案する。
本研究は, 診断モデルの効率を向上し, 臨床医師がこれまでよりもはるかに正確かつ信頼性の高い意思決定を行えるよう包括的分析を行うことを目的とする。
論文 参考訳（メタデータ） (2024-07-19T19:07:53Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - An Intelligent Decision Support Ensemble Voting Model for Coronary
Artery Disease Prediction in Smart Healthcare Monitoring Environments [0.0]
冠動脈疾患 (CAD) は、世界で最も一般的な心臓疾患の1つである。
機械学習(ML)アルゴリズムに基づくe-diagnosisツールは、スマートヘルスケア監視システムで使用することができる。
論文 参考訳（メタデータ） (2022-10-25T21:09:34Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳（メタデータ） (2022-06-02T07:57:17Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - 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) - An explainable two-dimensional single model deep learning approach for
Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。
提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。
実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2021-07-28T07:19:00Z) - Robust Deep AUC Maximization: A New Surrogate Loss and Empirical Studies
on Medical Image Classification [63.44396343014749]
AUCスコアに対する新たなマージンベースサロゲート損失関数を提案する。
一般的に使用されるものよりも頑丈である。
大規模な最適化の観点からも同じ利点を享受しながら、正方損失。
私たちの知る限りでは、DAMが大規模医療画像データセットで成功するのはこれが初めてです。
論文 参考訳（メタデータ） (2020-12-06T03:41:51Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - Automatic Breast Lesion Classification by Joint Neural Analysis of
Mammography and Ultrasound [1.9814912982226993]
そこで本研究では,乳がん病変を各乳腺造影像および超音波画像から分類する深層学習法を提案する。
提案されたアプローチは、GoogleNetアーキテクチャに基づいており、データのために2つのトレーニングステップで微調整されています。
AUCは0.94で、単一のモダリティで訓練された最先端のモデルより優れている。
論文 参考訳（メタデータ） (2020-09-23T09:08:24Z)
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。