論文の概要: Adaptify: A Refined Adaptation Scheme for Frame Classification in Atrophic Gastritis Videos

• arxiv url: http://arxiv.org/abs/2408.09261v1
• Date: Sat, 17 Aug 2024 17:19:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 21:29:47.527422
• Title: Adaptify: A Refined Adaptation Scheme for Frame Classification in Atrophic Gastritis Videos
• Title（参考訳）: Adaptify: 萎縮性胃炎ビデオにおけるフレーム分類のための修正適応方式
• Authors: Zinan Xiong, Shuijiao Chen, Yizhe Zhang, Yu Cao, Benyuan Liu, Xiaowei Liu,
• Abstract要約: 本稿では,モデルが独自の分類決定から知識を同化する適応手法であるAdaptifyを提案する。 我々は,主モデルと補助モデルにのみ依存するよりも,出力安定性と整合性に顕著な改善が見られた。
• 参考スコア（独自算出の注目度）: 12.728674351809511
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atrophic gastritis is a significant risk factor for developing gastric cancer. The incorporation of machine learning algorithms can efficiently elevate the possibility of accurately detecting atrophic gastritis. Nevertheless, when the trained model is applied in real-life circumstances, its output is often not consistently reliable. In this paper, we propose Adaptify, an adaptation scheme in which the model assimilates knowledge from its own classification decisions. Our proposed approach includes keeping the primary model constant, while simultaneously running and updating the auxiliary model. By integrating the knowledge gleaned by the auxiliary model into the primary model and merging their outputs, we have observed a notable improvement in output stability and consistency compared to relying solely on either the main model or the auxiliary model.
• Abstract（参考訳）: 萎縮性胃炎は胃癌の発症に重要な危険因子である。 機械学習アルゴリズムの導入は、萎縮性胃炎を正確に検出する可能性を高めることができる。 それでも、実生活環境で訓練されたモデルを適用する場合、その出力は一貫して信頼性がないことが多い。 本稿では,モデルが独自の分類決定から知識を同化する適応方式であるAdaptifyを提案する。 提案手法は,補助モデルの実行と更新を同時に行いながら,一次モデルを一定に保つことを含む。 補助モデルによって学習された知識を一次モデルに統合し、それらの出力をマージすることにより、主モデルと補助モデルの両方にのみ依存するのではなく、出力安定性と一貫性の顕著な改善が観察された。

関連論文リスト

• The Unreasonable Effectiveness of Guidance for Diffusion Models [1.597617022056624]
  本研究では,最先端指導手法と競合する生成性能が達成可能であることを示す。 我々は、その受容場を制約することで、プライマリモデル自体を誘導するスライディングウィンドウ誘導(SWG)と呼ぶ。
  論文  参考訳（メタデータ） (2024-11-15T15:04:04Z)
• Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments [50.310636905746975]
  実世界の機械学習システムは、基礎となるデータ生成プロセスの分散シフトによって、モデルの性能劣化に遭遇することが多い。 概念のドリフト適応のような既存のシフトへのアプローチは、その理性に依存しない性質によって制限される。 我々はこれらの制限を克服するために自己修復機械学習(SHML)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T20:05:51Z)
• Enhancing and Adapting in the Clinic: Source-free Unsupervised Domain Adaptation for Medical Image Enhancement [34.11633495477596]
  ソースレス非教師なし領域適応医療画像強調法(SAME)を提案する。 構造化学習データからロバストなソースモデルを学習するために,まず構造保存強化ネットワークを構築した。 強化タスクの知識蒸留を促進するために擬似ラベルピッカーを開発した。
  論文  参考訳（メタデータ） (2023-12-03T10:01:59Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Enhancing Clinical Predictive Modeling through Model Complexity-Driven Class Proportion Tuning for Class Imbalanced Data: An Empirical Study on Opioid Overdose Prediction [7.13083572359416]
  医学領域にはクラス不均衡の問題が広く存在し、臨床予測モデルの性能が著しく低下する。 問題再均衡のクラス比を緩和するほとんどのテクニックは、再均衡の比率は元のデータの関数であり、使用するモデルに不利である、と主に仮定する。 この研究は、この一般的な仮定に挑戦し、最適なクラス比例とモデルの複雑性を結びつけることによって、モデル毎のクラス比例を調整することを提案している。
  論文  参考訳（メタデータ） (2023-05-09T19:14:01Z)
• Confidence Attention and Generalization Enhanced Distillation for Continuous Video Domain Adaptation [62.458968086881555]
  連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。 CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-18T16:40:10Z)
• On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
  異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。 このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。 我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-06-09T17:12:32Z)
• Identification of Autism spectrum disorder based on a novel feature selection method and Variational Autoencoder [7.0876609220947655]
  安静時機能的磁気共鳴画像(rs-fMRI)のような非侵襲的脳イメージングは、自閉症スペクトラム障害(ASD)の早期診断に有望な解決策である 本稿では rs-fMRI に基づく ASD 診断を支援するための分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-07T08:50:48Z)
• Extending Models Via Gradient Boosting: An Application to Mendelian Models [1.9573380763700712]
  グラデーションブーストと開発前のモデルを組み合わせてモデル性能を向上させるという、モデル改善の一般的なアプローチを提案します。 既存のメンデルモデルとの勾配ブースティングの統合は、勾配ブースティングだけで構築されたモデルとモデルの両方を上回る改良モデルを生成することができる。
  論文  参考訳（メタデータ） (2021-05-13T21:21:05Z)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
  本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。 我々はイタリアとフランスの疫病の進化を予報する。
  論文  参考訳（メタデータ） (2020-10-28T10:58:59Z)

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。