論文の概要: Mamba-Based Ensemble learning for White Blood Cell Classification

• arxiv url: http://arxiv.org/abs/2504.11438v1
• Date: Tue, 15 Apr 2025 17:53:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:11:13.388517
• Title: Mamba-Based Ensemble learning for White Blood Cell Classification
• Title（参考訳）: マンバを用いた白血球分類のためのアンサンブル学習
• Authors: Lewis Clifton, Xin Tian, Duangdao Palasuwan, Phandee Watanaboonyongcharoen, Ponlapat Rojnuckarin, Nantheera Anantrasirichai,
• Abstract要約: 白血球分類(WBC)は、免疫の健全性を評価し、様々な疾患を診断するのに役立つ。 近年のディープラーニングの進歩は、従来の手法よりも有望であることを示している。 本稿では,マンバモデルとアンサンブル学習を統合し,WBC分類を改善する新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.09628686715121
• License:
• Abstract: White blood cell (WBC) classification assists in assessing immune health and diagnosing various diseases, yet manual classification is labor-intensive and prone to inconsistencies. Recent advancements in deep learning have shown promise over traditional methods; however, challenges such as data imbalance and the computational demands of modern technologies, such as Transformer-based models which do not scale well with input size, limit their practical application. This paper introduces a novel framework that leverages Mamba models integrated with ensemble learning to improve WBC classification. Mamba models, known for their linear complexity, provide a scalable alternative to Transformer-based approaches, making them suitable for deployment in resource-constrained environments. Additionally, we introduce a new WBC dataset, Chula-WBC-8, for benchmarking. Our approach not only validates the effectiveness of Mamba models in this domain but also demonstrates their potential to significantly enhance classification efficiency without compromising accuracy. The source code can be found at https://github.com/LewisClifton/Mamba-WBC-Classification.
• Abstract（参考訳）: 白血球分類(WBC)は、免疫の健全性を評価し、様々な疾患を診断するのに役立つが、手動分類は労働集約的であり、矛盾しがちである。 近年のディープラーニングの進歩は従来の手法よりも有望であることを示しているが、データ不均衡やトランスフォーマーベースのモデルのような現代の技術の計算要求といった課題は、入力サイズに合わないため、実用的応用を制限している。 本稿では,マンバモデルとアンサンブル学習を統合し,WBC分類を改善する新しいフレームワークを提案する。 線形複雑性で知られるMambaモデルは、Transformerベースのアプローチに代わるスケーラブルな代替手段を提供し、リソース制約のある環境へのデプロイに適している。 さらに,ベンチマークのための新しいWBCデータセットであるChula-WBC-8を導入する。 本手法は,本領域におけるマンバモデルの有効性を検証するだけでなく,精度を損なうことなく分類効率を大幅に向上させる可能性を示す。 ソースコードはhttps://github.com/LewisClifton/Mamba-WBC-Classificationにある。

関連論文リスト

• Mamba-SEUNet: Mamba UNet for Monaural Speech Enhancement [54.427965535613886]
  Mambaは、新しいステートスペースモデル(SSM)として、自然言語処理やコンピュータビジョンに広く応用されている。 本稿では,MambaとU-Net for SEタスクを統合する革新的なアーキテクチャであるMamba-SEUNetを紹介する。
  論文  参考訳（メタデータ） (2024-12-21T13:43:51Z)
• MpoxMamba: A Grouped Mamba-based Lightweight Hybrid Network for Mpox Detection [1.9861301166025644]
  世界保健機関(WHO)は、ムポックスウイルスの感染が世界中で拡大し続けており、国際保健機関(WHO)による国際的懸念の公衆衛生上の緊急事態と宣言している。 深層学習モデルに基づく検出システムは、広範囲な展開に適しているため、mpoxの発生を緩和するために不可欠である。 効率的なmpox検出のためのMpoxMambaという軽量ハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-09-06T12:17:23Z)
• The Mamba in the Llama: Distilling and Accelerating Hybrid Models [76.64055251296548]
  注目層からの線形射影重みを学術的なGPU資源で再利用することにより,大規模な変換器を線形RNNに蒸留する方法を示す。 結果として得られたハイブリッドモデルは、チャットベンチマークのオリジナルのTransformerに匹敵するパフォーマンスを達成する。 また,Mambaとハイブリッドモデルの推論速度を高速化するハードウェア対応投機的復号アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-08-27T17:56:11Z)
• Vision Mamba for Classification of Breast Ultrasound Images [9.90112908284836]
  MambaベースのモデルであるVMambaとVimは、最近のビジョンエンコーダのファミリーであり、多くのコンピュータビジョンタスクで有望なパフォーマンス改善を提供する。 本稿では,乳房超音波BUSIデータセットと乳房超音波Bデータセットを用いて,マンバモデルと従来の畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を比較した。
  論文  参考訳（メタデータ） (2024-07-04T00:21:47Z)
• CLIP-Mamba: CLIP Pretrained Mamba Models with OOD and Hessian Evaluation [18.383760896304604]
  本報告では,コントラッシブ・テクニカル・イメージ・プレトレーニング(CLIP)を利用したMambaモデルをトレーニングする最初の試みを紹介する。 Mambaモデル67万のパラメータは、ゼロショット分類タスクにおけるビジョントランスフォーマー(ViT)モデルと同等である。
  論文  参考訳（メタデータ） (2024-04-30T09:40:07Z)
• MedMamba: Vision Mamba for Medical Image Classification [0.0]
  視覚変換器(ViT)と畳み込みニューラルネットワーク(CNN)は医療画像分類タスクで広く研究され、広く利用されている。 近年の研究では、マンバで表される状態空間モデル(SSM)が、長距離依存を効果的にモデル化できることが示されている。 我々は、医用画像の一般的な分類のための最初のビジョンマンバであるメドマンバを提案する。
  論文  参考訳（メタデータ） (2024-03-06T16:49:33Z)
• Swin-UMamba: Mamba-based UNet with ImageNet-based pretraining [85.08169822181685]
  本稿では,医療画像のセグメンテーションに特化して設計された新しいマンバモデルSwin-UMambaを紹介する。 Swin-UMamba は CNN や ViT,最新の Mamba ベースのモデルと比較して,優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-05T18:58:11Z)
• Is Mamba Capable of In-Context Learning? [63.682741783013306]
  GPT-4のような技術基盤モデルの現状は、文脈内学習(ICL)において驚くほどよく機能する この研究は、新たに提案された状態空間モデルであるMambaが同様のICL能力を持つという実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-02-05T16:39:12Z)
• Transfer Learning without Knowing: Reprogramming Black-box Machine Learning Models with Scarce Data and Limited Resources [78.72922528736011]
  そこで我々は,ブラックボックス・アタベラル・リプログラミング (BAR) という新しい手法を提案する。 ゼロオーダー最適化とマルチラベルマッピング技術を用いて、BARは入力出力応答のみに基づいてブラックボックスMLモデルをプログラムする。 BARは最先端の手法より優れ、バニラ対逆プログラミング法に匹敵する性能を得る。
  論文  参考訳（メタデータ） (2020-07-17T01:52:34Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。