論文の概要: Flexi-Fuzz least squares SVM for Alzheimer's diagnosis: Tackling noise, outliers, and class imbalance

• arxiv url: http://arxiv.org/abs/2410.14207v1
• Date: Fri, 18 Oct 2024 06:47:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:24:49.872659
• Title: Flexi-Fuzz least squares SVM for Alzheimer's diagnosis: Tackling noise, outliers, and class imbalance
• Title（参考訳）: Flexi-Fuzz least squares SVM for Alzheimer's diagnosis: Tackling noise, outliers, and class un Balance
• Authors: Mushir Akhtar, A. Quadir, M. Tanveer, Mohd. Arshad,
• Abstract要約: アルツハイマー病(英語: Alzheimer's disease、AD)は、認知症の主要な原因である神経変性疾患である。 ADの早期診断には多数の機械学習アルゴリズムが提案されている。 彼らはしばしばノイズ、アウトリーフ、クラス不均衡の問題に悩まされる。 我々はFlexi-Fuzzと呼ばれる新鮮で堅牢で柔軟な会員制を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Alzheimer's disease (AD) is a leading neurodegenerative condition and the primary cause of dementia, characterized by progressive cognitive decline and memory loss. Its progression, marked by shrinkage in the cerebral cortex, is irreversible. Numerous machine learning algorithms have been proposed for the early diagnosis of AD. However, they often struggle with the issues of noise, outliers, and class imbalance. To tackle the aforementioned limitations, in this article, we introduce a novel, robust, and flexible membership scheme called Flexi-Fuzz. This scheme integrates a novel flexible weighting mechanism, class probability, and imbalance ratio. The proposed flexible weighting mechanism assigns the maximum weight to samples within a specific proximity to the center, with a gradual decrease in weight beyond a certain threshold. This approach ensures that samples near the class boundary still receive significant weight, maintaining their influence in the classification process. Class probability is used to mitigate the impact of noisy samples, while the imbalance ratio addresses class imbalance. Leveraging this, we incorporate the proposed Flexi-Fuzz membership scheme into the least squares support vector machines (LSSVM) framework, resulting in a robust and flexible model termed Flexi-Fuzz-LSSVM. We determine the class-center using two methods: the conventional mean approach and an innovative median approach, leading to two model variants, Flexi-Fuzz-LSSVM-I and Flexi-Fuzz-LSSVM-II. To validate the effectiveness of the proposed Flexi-Fuzz-LSSVM models, we evaluated them on benchmark UCI and KEEL datasets, both with and without label noise. Additionally, we tested the models on the Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset for AD diagnosis. Experimental results demonstrate the superiority of the Flexi-Fuzz-LSSVM models over baseline models.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's disease、AD)は、認知機能低下と記憶喪失を特徴とする認知症の主要な原因である。 大脳皮質の収縮が特徴で、その進行は不可逆である。 ADの早期診断には多数の機械学習アルゴリズムが提案されている。 しかし、彼らはしばしばノイズ、アウトレーヤ、クラス不均衡の問題に悩まされる。 上記の制限に対処するため、本稿では、フレキシファズと呼ばれる、新しく、堅牢で柔軟な会員制を導入する。 このスキームは、新しいフレキシブルな重み付け機構、クラス確率、不均衡比を統合する。 提案したフレキシブルな重み付け機構は、あるしきい値を超えて徐々に重量を減少させながら、中央に近い特定のサンプルに最大重量を割り当てる。 このアプローチにより、クラス境界付近のサンプルは依然としてかなりの重量を受け、分類過程における影響を維持することができる。 クラス確率はノイズのあるサンプルの影響を軽減するために使用され、不均衡比はクラス不均衡に対処する。 これを活用することで、提案したFlexi-Fuzzメンバシップスキームを最小二乗サポートベクタマシン(LSSVM)フレームワークに組み込むことで、Flexi-Fuzz-LSSVMと呼ばれる堅牢で柔軟なモデルを実現する。 従来の平均アプローチと革新的な中央値アプローチの2つの手法を用いて,クラスセンタを決定する。 提案したFlexi-Fuzz-LSSVMモデルの有効性を検証するため,ラベルノイズを伴わないベンチマークUCIおよびKEELデータセットを用いて評価を行った。 さらに、AD診断のためのAlzheimer's Disease Neuroimaging Initiative (ADNI)データセット上で、これらのモデルを検証した。 実験結果は,ベースラインモデルよりもFlexi-Fuzz-LSSVMモデルの方が優れていることを示す。

関連論文リスト

• Intuitionistic Fuzzy Universum Twin Support Vector Machine for Imbalanced Data [0.0]
  機械学習手法の大きな問題の1つは、不均衡なデータセットを分類することである。 不均衡データ(IFUTSVM-ID)のための直観的ファジィユニバームツインサポートベクトルマシンを提案する。 雑音や外周の影響を軽減するため,直観主義的なファジィ・メンバシップ・スキームを用いる。
  論文  参考訳（メタデータ） (2024-10-27T04:25:42Z)
• AD-Lite Net: A Lightweight and Concatenated CNN Model for Alzheimer's Detection from MRI Images [1.8749305679160366]
  アルツハイマー病(英語: Alzheimer's Disease、AD)は、ヒトの脳に影響を及ぼす非硬化性進行性神経変性疾患であり、記憶力、認知能力の低下、そして最終的には日常的な作業を行う能力の低下につながる。 早期のアルツハイマー病を高い精度で検出できるCADシステムが必要である。 我々は、上記の問題を緩和できる新しいAD-Lite Netモデル(スクラッチから訓練)を提案している。
  論文  参考訳（メタデータ） (2024-09-12T16:00:51Z)
• Electroencephalogram Emotion Recognition via AUC Maximization [0.0]
  不均衡データセットは神経科学、認知科学、医学診断などの分野で大きな課題を提起する。 本研究は,DEAPデータセットにおけるライキングラベルを例として,イシュークラスの不均衡に対処する。
  論文  参考訳（メタデータ） (2024-08-16T19:08:27Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• A Light-weight CNN Model for Efficient Parkinson's Disease Diagnostics [1.382077805849933]
  提案モデルは,時系列信号の特性を適応させるために,畳み込みニューラルネットワーク(CNN)から短期記憶(LSTM)へと変換される。 実験結果から,提案モデルでは,パラメータや操作がはるかに少ない複数の評価指標に対して,高品質な診断結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-02-02T09:49:07Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• 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)
• Weighted Least Squares Twin Support Vector Machine with Fuzzy Rough Set Theory for Imbalanced Data Classification [0.483420384410068]
  サポートベクトルマシン(SVM)は、分類問題を解決するために開発された強力な教師付き学習ツールである。 重み付き最小二乗支援ベクトルマシンFRLSTSVMにおけるファジィ粗集合理論を不均衡データの分類に効率的に利用する手法を提案する。
  論文  参考訳（メタデータ） (2021-05-03T22:33:39Z)
• 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)
• Modal Regression based Structured Low-rank Matrix Recovery for Multi-view Learning [70.57193072829288]
  近年、低ランクなマルチビューサブスペース学習は、クロスビューの分類において大きな可能性を示している。 既存のLMvSLベースの手法では、ビューの区別と差別を同時に扱うことができない。 本稿では,視差を効果的に除去し,識別性を向上する独自の方法であるStructured Low-rank Matrix Recovery (SLMR)を提案する。
  論文  参考訳（メタデータ） (2020-03-22T03:57:38Z)

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。