論文の概要: A Novel Data Augmentation Tool for Enhancing Machine Learning Classification: A New Application of the Higher Order Dynamic Mode Decomposition for Improved Cardiac Disease Identification

• arxiv url: http://arxiv.org/abs/2411.15809v1
• Date: Sun, 24 Nov 2024 12:30:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:19:05.441130
• Title: A Novel Data Augmentation Tool for Enhancing Machine Learning Classification: A New Application of the Higher Order Dynamic Mode Decomposition for Improved Cardiac Disease Identification
• Title（参考訳）: 機械学習分類の強化のための新しいデータ拡張ツール:高次動的モード分割の心疾患同定への応用
• Authors: Nourelhouda Groun, Maria Villalba-Orero, Lucia Casado-Martin, Enrique Lara-Pezzi, Eusebio Valero, Jesus Garicano-Mena, Soledad Le Clainche,
• Abstract要約: データ駆動型高次動的モード分解(HODMD)と畳み込みニューラルネットワーク(CNN)を組み合わせる。 HODMDアルゴリズムは、心疾患(糖尿病、肥満、TAC肥大、心筋梗塞)にともなう健常マウスおよびマウスの心エコーデータセットの特徴抽出手法として最初に用いられる。 設計したCNNの分類性能は、元の画像とMDDモードを組み合わせることで、すべてのテストケースの結果が改善され、精度が最大22%向上することを示している。
• 参考スコア（独自算出の注目度）: 2.2851400085359685
• License:
• Abstract: In this work, a data-driven, modal decomposition method, the higher order dynamic mode decomposition (HODMD), is combined with a convolutional neural network (CNN) in order to improve the classification accuracy of several cardiac diseases using echocardiography images. The HODMD algorithm is used first as feature extraction technique for the echocardiography datasets, taken from both healthy mice and mice afflicted by different cardiac diseases (Diabetic Cardiomyopathy, Obesity, TAC Hypertrophy and Myocardial Infarction). A total number of 130 echocardiography datasets are used in this work. The dominant features related to each cardiac disease were identified and represented by the HODMD algorithm as a set of DMD modes, which then are used as the input to the CNN. In a way, the database dimension was augmented, hence HODMD has been used, for the first time to the authors knowledge, for data augmentation in the machine learning framework. Six sets of the original echocardiography databases were hold out to be used as unseen data to test the performance of the CNN. In order to demonstrate the efficiency of the HODMD technique, two testcases are studied: the CNN is first trained using the original echocardiography images only, and second training the CNN using a combination of the original images and the DMD modes. The classification performance of the designed trained CNN shows that combining the original images with the DMD modes improves the results in all the testcases, as it improves the accuracy by up to 22%. These results show the great potential of using the HODMD algorithm as a data augmentation technique.
• Abstract（参考訳）: 本研究では,高次動的モード分解法(HODMD)と畳み込みニューラルネットワーク(CNN)を組み合わせることで,心疾患の分類精度を向上させる。 HODMDアルゴリズムはまず、健康なマウスと異なる心臓疾患(拡張型心筋症、肥満、TAC肥大、心筋梗塞)によって引き起こされるマウスの両方から抽出される、心エコーデータの特徴抽出手法として用いられる。 この研究には、合計130個の心エコー画像データセットが使用されている。 それぞれの心疾患に関連する主要な特徴を同定し,HODMDアルゴリズムでDMDモードのセットとして表現し,CNNの入力として使用する。 ある意味で、データベースの次元は拡張され、従ってHODMDは、機械学習フレームワークにおけるデータ拡張のために初めて著者の知識に使われた。 元の心エコー図データベースの6セットは、CNNの性能をテストするために見知らぬデータとして使用されるように保留された。 HODMD法の効率性を示すために、CNNはもともとの心エコー画像のみを用いて訓練され、CNNは元の画像とDMDモードを組み合わせて訓練された。 設計したCNNの分類性能は、元の画像とMDDモードを組み合わせることで、すべてのテストケースの結果が改善され、精度が最大22%向上することを示している。 これらの結果は,HODMDアルゴリズムをデータ拡張手法として利用する大きな可能性を示している。

関連論文リスト

• EigenHearts: Cardiac Diseases Classification Using EigenFaces Approach [2.2851400085359685]
  心疾患の分類におけるEigenFacesアプローチの応用について検討した。 我々は、心エコー図法における固有顔アプローチから着想を得た前処理ステップを実行し、ポッドモードのセットを生成し、それを固有ハートと呼ぶ。 その結果,SVDを前処理に用いた場合,分類精度は約50%向上した。
  論文  参考訳（メタデータ） (2024-11-25T09:41:20Z)
• Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets [2.0286377328378737]
  心臓病は、人間の機能不全の主な原因だ。WHOによると、心臓病のために毎年約1800万人が死亡している。 本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案する。
  論文  参考訳（メタデータ） (2024-04-30T14:16:45Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• ECG Heartbeat Classification Using Multimodal Fusion [13.524306011331303]
  本稿では,心電図の心拍数分類のための2つの計算効率の良いマルチモーダル融合フレームワークを提案する。 MFFでは,CNNの垂直層から特徴を抽出し,それらを融合させてユニークかつ相互依存的な情報を得た。 不整脈では99.7%,MIでは99.2%の分類が得られた。
  論文  参考訳（メタデータ） (2021-07-21T03:48:35Z)
• Heart-Darts: Classification of Heartbeats Using Differentiable Architecture Search [22.225051965963114]
  不整脈は不規則な心拍を示す心血管疾患です。 不整脈検出では心電図(ECG)信号が重要な診断手法である。 畳み込みニューラルネットワーク(cnns)の適用により,評価プロセスが高速化され,性能が向上した。
  論文  参考訳（メタデータ） (2021-05-03T08:57:48Z)
• CNN-based Cardiac Motion Extraction to Generate Deformable Geometric Left Ventricle Myocardial Models from Cine MRI [0.0]
  Cine心MR画像からLV心筋の患者特異的幾何モデルの開発のための枠組みを提案する。 我々はvoxelmorph-based convolutional neural network (cnn) を用いて、心周期の次のフレームにエンドダイアゾールフレームの等表面メッシュとボリュームメッシュを伝搬する。
  論文  参考訳（メタデータ） (2021-03-30T21:34:29Z)
• SAG-GAN: Semi-Supervised Attention-Guided GANs for Data Augmentation on Medical Images [47.35184075381965]
  本稿では,GAN(Cycle-Consistency Generative Adversarial Networks)を用いた医用画像生成のためのデータ拡張手法を提案する。 提案モデルでは,正常画像から腫瘍画像を生成することができ,腫瘍画像から正常画像を生成することもできる。 本研究では,従来のデータ拡張手法と合成画像を用いた分類モデルを用いて,実画像を用いた分類モデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-15T14:01:24Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。