Fugu-MT 論文翻訳(概要): Convolutional Neural Networks for Predictive Modeling of Lung Disease

論文の概要: Convolutional Neural Networks for Predictive Modeling of Lung Disease

arxiv url: http://arxiv.org/abs/2408.12605v1
Date: Thu, 8 Aug 2024 01:58:46 GMT
ステータス: 処理完了
システム内更新日: 2024-09-01 17:12:14.463535
Title: Convolutional Neural Networks for Predictive Modeling of Lung Disease
Title（参考訳）: 肺疾患の予測モデルのための畳み込みニューラルネットワーク
Authors: Yingbin Liang, Xiqing Liu, Haohao Xia, Yiru Cang, Zitao Zheng, Yuanfang Yang,
Abstract要約: Pro-HRnet-CNNは、HRNetとヴォイド畳み込み技術を組み合わせた革新的なモデルである。従来の ResNet-50 と比較すると,Pro-HRnet-CNN は小型ノジュールの特徴抽出と認識において優れた性能を示した。
参考スコア（独自算出の注目度）: 34.1086022278394
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, Pro-HRnet-CNN, an innovative model combining HRNet and void-convolution techniques, is proposed for disease prediction under lung imaging. Through the experimental comparison on the authoritative LIDC-IDRI dataset, we found that compared with the traditional ResNet-50, Pro-HRnet-CNN showed better performance in the feature extraction and recognition of small-size nodules, significantly improving the detection accuracy. Particularly within the domain of detecting smaller targets, the model has exhibited a remarkable enhancement in accuracy, thereby pioneering an innovative avenue for the early identification and prognostication of pulmonary conditions.
Abstract（参考訳）: 本稿では,HRNetとヴォイド畳み込み技術を組み合わせた革新的モデルであるPro-HRnet-CNNを提案する。 LIDC-IDRIデータセットを用いた実験により,従来のResNet-50と比較すると,Pro-HRnet-CNNは小型結節の特徴抽出および認識性能が向上し,検出精度が大幅に向上した。特に、より小さな標的を検出する領域において、このモデルは精度を著しく向上させ、肺疾患の早期同定と予後の革新的な道の先駆者となった。

関連論文リスト

KA-GNN: Kolmogorov-Arnold Graph Neural Networks for Molecular Property Prediction [16.53371673077183]
本稿では,KAN(Kolmogorov-Arnold Network)ベースのグラフニューラルネットワーク(KA-GNN)を用いた新しいグラフニューラルネットワークモデルを提案する。このモデルは、計算資源の利用において極めて効率的でありながら、kan法の高い解釈可能性特性を維持している。 7つの公開データセットでテストされ、検証されたKA-GNNは、既存のSOTA(State-of-the-art)ベンチマークに対して、プロパティ予測を大幅に改善した。
論文参考訳（メタデータ） (2024-10-15T06:44:57Z)
Comparative Analysis of Transfer Learning Models for Breast Cancer Classification [10.677937909900486]
本研究は, 病理組織学的スライドにおいて, 浸潤性直腸癌 (IDC) と非IDCを区別する深層学習モデルの効率について検討した。 ResNet-50, DenseNet-121, ResNeXt-50, Vision Transformer (ViT), GoogLeNet (Inception v3), EfficientNet, MobileNet, SqueezeNet。
論文参考訳（メタデータ） (2024-08-29T18:49:32Z)
Application of Computer Deep Learning Model in Diagnosis of Pulmonary Nodules [5.058992545593932]
再建法を用いて肺の3次元シミュレーションモデルを構築した。コンピュータ支援肺結節検出モデルを構築した。診断率は従来の診断法に比べて有意に改善した。
論文参考訳（メタデータ） (2024-06-19T04:27:27Z)
Histopathologic Cancer Detection [0.0]
この作業では、PatchCamelyonベンチマークデータセットを使用して、モデルをマルチレイヤのパーセプトロンと畳み込みモデルでトレーニングし、精度の高いリコール、F1スコア、精度、AUCスコアでモデルのパフォーマンスを観察する。また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
論文参考訳（メタデータ） (2023-11-13T19:51:46Z)
A New PHO-rmula for Improved Performance of Semi-Structured Networks [0.0]
本研究では,SSNにおけるモデルコンポーネントのコントリビューションを適切に識別する手法が,最適ネットワーク推定に繋がることを示す。モデルコンポーネントの識別性を保証し,予測品質を向上する非侵襲的ポストホック化(PHO)を提案する。我々の理論的な知見は、数値実験、ベンチマーク比較、およびCOVID-19感染症に対する現実の応用によって裏付けられている。
論文参考訳（メタデータ） (2023-06-01T10:23:28Z)
Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文参考訳（メタデータ） (2022-12-17T23:29:14Z)
Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文参考訳（メタデータ） (2021-10-20T06:15:45Z)
Differentially private training of neural networks with Langevin dynamics forcalibrated predictive uncertainty [58.730520380312676]
その結果,DP-SGD(差分偏差勾配勾配勾配勾配勾配)は,低校正・過信深層学習モデルが得られることがわかった。これは、医療診断など、安全クリティカルな応用にとって深刻な問題である。
論文参考訳（メタデータ） (2021-07-09T08:14:45Z)
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)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)

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。