論文の概要: MSSDA: Multi-Sub-Source Adaptation for Diabetic Foot Neuropathy Recognition
- arxiv url: http://arxiv.org/abs/2409.14154v1
- Date: Sat, 21 Sep 2024 14:16:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 03:22:11.990710
- Title: MSSDA: Multi-Sub-Source Adaptation for Diabetic Foot Neuropathy Recognition
- Title（参考訳）: MSSDA:糖尿病性足部ニューロパチーのマルチサブソース適応
- Authors: Yan Zhong, Zhixin Yan, Yi Xie, Shibin Wu, Huaidong Zhang, Lin Shu, Peiru Zhou,
- Abstract要約: 糖尿病性足部神経症(DFN)は糖尿病性足底潰瘍を引き起こす重要な因子である。
既存のデータセットは、プランタデータから直接派生するものではない。
我々は,DFNを認識するために,連続的なプランタ圧力データからなる新しいデータセットを収集した。
- 参考スコア（独自算出の注目度）: 6.890510442626563
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diabetic foot neuropathy (DFN) is a critical factor leading to diabetic foot ulcers, which is one of the most common and severe complications of diabetes mellitus (DM) and is associated with high risks of amputation and mortality. Despite its significance, existing datasets do not directly derive from plantar data and lack continuous, long-term foot-specific information. To advance DFN research, we have collected a novel dataset comprising continuous plantar pressure data to recognize diabetic foot neuropathy. This dataset includes data from 94 DM patients with DFN and 41 DM patients without DFN. Moreover, traditional methods divide datasets by individuals, potentially leading to significant domain discrepancies in some feature spaces due to the absence of mid-domain data. In this paper, we propose an effective domain adaptation method to address this proplem. We split the dataset based on convolutional feature statistics and select appropriate sub-source domains to enhance efficiency and avoid negative transfer. We then align the distributions of each source and target domain pair in specific feature spaces to minimize the domain gap. Comprehensive results validate the effectiveness of our method on both the newly proposed dataset for DFN recognition and an existing dataset.
- Abstract（参考訳）: 糖尿病性足部神経症 (DFN) は糖尿病性足部潰瘍の原因となる重要な因子であり, 糖尿病性足底症 (DM) の合併症の1つであり, 切断や死亡のリスクが高い。
その重要性にも拘わらず、既存のデータセットは、プランタデータから直接派生するものではなく、継続的な長期の足の特定情報が欠如している。
DFN研究を進めるために,糖尿病性足部神経障害を認識するために,連続的な足底圧データからなる新しいデータセットを収集した。
このデータセットは、DFNを伴わない94例のDM患者と、DFNを伴わない41例のDM患者からのデータを含む。
さらに、従来の手法では、データセットを個人ごとに分割し、中間ドメインデータがないため、いくつかの特徴空間において大きなドメイン不一致を引き起こす可能性がある。
本稿では,このプロペレンスに対処する効果的なドメイン適応手法を提案する。
我々は、畳み込み特徴統計に基づいてデータセットを分割し、効率を高め、負の転送を避けるために適切なサブソースドメインを選択する。
次に、各ソースとターゲットドメインペアの分布を特定の特徴空間に整列させ、ドメインギャップを最小化する。
DFN認識のための新しいデータセットと既存のデータセットの両方において,本手法の有効性を総合的に検証した。
関連論文リスト
- Unsupervised Domain Adaptation for Brain Vessel Segmentation through
Transwarp Contrastive Learning [46.248404274124546]
教師なし領域適応(Unsupervised domain adapt, UDA)は、ラベル付きソース分布とラベル付きターゲット分布との整合を目的とし、ドメイン不変な予測モデルを得る。
本稿では,ラベル付きソースと非ラベル付きターゲット分布の領域間ギャップを狭めるための,UDAのための簡易かつ強力なコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-23T10:01:22Z) - Subject-Based Domain Adaptation for Facial Expression Recognition [51.10374151948157]
ディープラーニングモデルを特定の対象個人に適用することは、難しい表情認識タスクである。
本稿では、FERにおける主観的ドメイン適応のための新しいMSDA手法を提案する。
複数の情報源からの情報を効率的に利用して、ディープFERモデルを単一のターゲット個人に適応させる。
論文 参考訳（メタデータ） (2023-12-09T18:40:37Z) - Domain-invariant Clinical Representation Learning by Bridging Data
Distribution Shift across EMR Datasets [16.317118701435742]
適切な診断を行い、パーソナライズされた治療計画を設計する上で、効果的な予後モデルが期待されている。
疾患の初期段階では、限られたデータ収集と臨床経験に加えて、プライバシと倫理の懸念から、参照のためのデータ可用性が制限される可能性がある。
本稿では、ソースデータセットからターゲットデータセットへの遷移モデルを構築するためのドメイン不変表現学習手法を紹介する。
論文 参考訳（メタデータ） (2023-10-11T18:32:21Z) - Learning Personalized Brain Functional Connectivity of MDD Patients from
Multiple Sites via Federated Bayesian Networks [9.873532358701803]
我々は,複数のベイズネットワークの同時学習のための連合型共同推定器NOTEARS-PFLを提案する。
合成および実世界のマルチサイトRS-fMRIデータセットにおける提案手法の性能評価を行った。
論文 参考訳（メタデータ） (2023-01-06T08:58:06Z) - Source-Free Domain Adaptation via Distribution Estimation [106.48277721860036]
ドメイン適応は、ラベル付きソースドメインから学んだ知識を、データ分散が異なるラベル付きターゲットドメインに転送することを目的としています。
近年,ソースフリードメイン適応 (Source-Free Domain Adaptation, SFDA) が注目されている。
本研究では,SFDA-DEと呼ばれる新しいフレームワークを提案し,ソース分布推定によるSFDAタスクに対処する。
論文 参考訳（メタデータ） (2022-04-24T12:22:19Z) - Enhancing Non-mass Breast Ultrasound Cancer Classification With
Knowledge Transfer [11.010974176972086]
非質量BUSに対するDNNモデルの一般化性を高めるための新しい移動学習フレームワークを提案する。
具体的には、非質量データと質量データを組み合わせた共有DNNを訓練する。
非質量BUSの悪性度予測タスクにおいて,このフレームワークがAUCの10%改善を実現していることを示す。
論文 参考訳（メタデータ） (2022-04-18T16:09:30Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - A Label Management Mechanism for Retinal Fundus Image Classification of
Diabetic Retinopathy [11.52575078071384]
ディープニューラルネットワーク(DNN)のトレーニングには、大量の注意深くラベル付けされたデータが必要である。
大量のデータをラベル付けして、モデルの性能を劣化させると、ノイズの多いラベルデータがもたらされる。
そこで本稿では,DNNがノイズデータに対する過度な適合を克服するための新しいラベル管理機構(LMM)を提案する。
論文 参考訳（メタデータ） (2021-06-23T10:05:47Z) - Unsupervised Domain Adaptation for Dysarthric Speech Detection via
Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。
DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。
実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
論文 参考訳（メタデータ） (2021-06-18T13:34:36Z) - 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)
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。